<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Hsin-Cheng Chao on Medium]]></title>
        <description><![CDATA[Stories by Hsin-Cheng Chao on Medium]]></description>
        <link>https://medium.com/@hsinchengchao?source=rss-bf0511a2e323------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*Zc74DhI140qzuBg6g9gncg.png</url>
            <title>Stories by Hsin-Cheng Chao on Medium</title>
            <link>https://medium.com/@hsinchengchao?source=rss-bf0511a2e323------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 11:48:59 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@hsinchengchao/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[如何在macOS上預設 Python 3]]></title>
            <link>https://hsinchengchao.medium.com/%E5%A6%82%E4%BD%95%E5%9C%A8macos%E4%B8%8A%E9%A0%90%E8%A8%AD-python-3-b7bd7cdc3742?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/b7bd7cdc3742</guid>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Sun, 26 Apr 2020 22:13:21 GMT</pubDate>
            <atom:updated>2020-11-07T18:00:45.407Z</atom:updated>
            <content:encoded><![CDATA[<p>我必須很羞恥的承認，好幾次我開始了一個 Side Project 但是都在不久之後就放棄了，常常原因都是因為要搞定環境本身就消磨去了我大部分的熱情。所以我這次決定徹底把這一些東西搞懂然後寫下來，之後自己就比較沒有放棄的藉口了。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/910/1*YnLA-ynlh_wqG8H3LUkR8g.jpeg" /></figure><h3>遇到的問題</h3><p>我在要開始一個專案的時候通常遇到的第一個問題就是Python的版本，一般來說都是希望用最新最潮的 Python 3，但我的Mac電腦上面內建的Python版本是 2.7.16 。然後之前不知道在做哪一個專案的時候我也安裝過了Python 3 可是這個版本的問題是我每一次要執行 Python指令的時候都必須輸入 python3 或是 pip3 (多打一個3) 不然他就會使用預設的版本 (python 2.7.16) 一不小心忘了就會用執行錯誤的Python。</p><pre>➜  ~ python --version<br>Python 2.7.16<br>~ which python<br>➜  ~ which python<br>/usr/bin/python</pre><pre>➜  ~ python3 --version<br>Python 3.7.3<br>➜  ~ which python3<br>/Library/Frameworks/Python.framework/Versions/3.7/bin/python3</pre><p>本來想說就直接把系統預設的版本改掉就好了，但參考過了一些網路上的資源之後 <a href="https://opensource.com/article/19/5/python-3-default-mac">[1]</a> 發現最好還是不要更動也不要依賴系統的預設版本，而網路上大部分資源推薦的方法是使用 <a href="https://github.com/pyenv/pyenv">pyenv</a> 這個工具，基於好奇我就對這個套件做了一些研究。</p><h3>套件評估</h3><h4>優點</h4><p>第一是他是一個開源的專案，在<a href="https://github.com/pyenv/pyenv">Github</a>上面可以直接看到原始碼，比較不擔心他對內藏什麼可疑的邏輯。第二是他是透過Bash script實作，本身幾乎沒有其他程式語言貨的套件相依性，因此設定時較不容易落入安裝套件的地獄輪迴。第三是他的文件非常詳細，很仔細的解釋了這個套件本身是如何運作，搭配第二點和一些指令就可以很容易地了解它運作的方法，之後也比較容易除錯。第四點是安裝容易，簡單的 brew install 就可以搞定了。</p><h4>運作原理</h4><p>想要了解pyenv如何運作前必須先瞭解 Linux作業系統上是如何去執行 python 或是 pip 這類的指令。當我們在終端機輸入指令實，作業系統會通過 PATH這個環境變數由左至右一個一個資料夾去尋找有沒有名字一樣的執行檔，舉例來說，如果你透過 echo指令看見 PATH這個環境變數如下：</p><pre>➜  ~ echo $PATH<br>/usr/local/bin:/usr/bin:/bin</pre><p>當你想要執行`python`指令的時候，作業系統會先去 /usr/local/bin 底下尋找有沒有名叫做 python 的檔案可以執行，如果沒有的話就再去 /usr/bin 尋找，再沒有的話就去找 /bin 。這也代表了如果好幾的資料夾裡面都有名字一樣的執行檔的話，作業系統會使用第一個找到的。pyenv 就是透過修改環境變數來動態切換python執行的版本。</p><h4>理解 Shims</h4><p>Shims (這裡姑且把它翻譯成墊片好了) 就是透過動態改變環境變數來讓多個版本的 Python 同時相容在電腦上然後可以輕易地切換。pyenv 在 PATH環境變數的前面加上的一個 shims，然後去改變執行的 python和 pip 指令的版本。因此可以做到在不同的資料夾底下（例如 ~/project1/ 和 ~/project2/）執行 python 時系統會自動切換不同的版本 （python 2.7 vs python 3.7）。</p><pre>$(pyenv root)/shims:/usr/local/bin:/usr/bin:/bin</pre><p>pyevn 在 PATH環境變數最前面加上一個他自己的資料夾，來”欺騙”作業系統去執行pyenv版本的python，因此當你執行 python 時，作業系統會根據上述的規則去 shims資料夾底下找名叫 python 的執行檔，而這個 pyenv版本的執行檔則會做下面幾件事情：</p><ol><li>檢查是否有 PYENV_VERSION 這個環境變數，如果有的話就執行這個版本的 python 。</li><li>如果沒有 PYENV_VERSION 的話檢查目前執行的資料夾裡面有沒有 .pyenv-version 這個隱藏檔案(這個檔案可以透過執行 pyenv local 來產生)，如果有的話就用它上面指定的版本。</li><li>如果還是沒有的話就順著資料夾一層一層的往上找，如果找到 .pyenv-version 的話就用那個版本</li><li>如果一直到根目錄都沒有找到 .pyenv-version 的話就去檢查 $($pyenv root)/version 這個檔案（這個檔案可以透過執行 pyenv global來產生），再沒有的話就讓作業系統繼續去找下一個資料夾。</li></ol><h4>執行</h4><p>在上述 pyenv 的簡單設計底下，用戶只要輸入 pyenv install a.b.c pyenv 便會將相對應版本的執行檔下載至相對應的資料夾 $(pyenv root)/version/a.b.c 以供執行，因此只要在每次開始 side project時設定一次，之後就不用再擔心 Python 執行版本的問題啦！</p><h4>缺點</h4><p>Python常見套件管理工具 virtualenv 也是透過類似的方法去修改 PATH環境變數來切換套件版本，因此同時使用pyenv跟virtualenv的話會有衝突。官方是建議使用 <a href="https://github.com/pyenv/pyenv-virtualenv">pyenv-virtualenv</a> 這個擴充套件來解決不相容的問題(要多下載一個套件很不方便）。</p><h3>結論</h3><p>Pyenv 對於做Side Project的人來說，解決了Python版本的問題，但是 Python套件的管理還是需要仰賴virtualenv等工具，雖說Python 3.3之後，Virtualenv已經有一部分<a href="https://virtualenv.pypa.io/en/latest/">進入Python的標準函式庫</a>，因此可能未來版本管理會變得更簡單。但是單就在自己電腦上跑的Side Project這樣已經算是很不錯的工具了。等我使用過一陣子之後再看看有沒有其他心得，就這樣啦！</p><p>參考資料</p><p>[1]: <a href="https://opensource.com/article/19/5/python-3-default-mac">https://opensource.com/article/19/5/python-3-default-mac</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b7bd7cdc3742" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[美國求職心得分享(六)]]></title>
            <link>https://hsinchengchao.medium.com/%E7%BE%8E%E5%9C%8B%E6%B1%82%E8%81%B7%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E5%85%AD-fb9c73ff995c?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/fb9c73ff995c</guid>
            <category><![CDATA[interview]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Sat, 12 May 2018 22:10:46 GMT</pubDate>
            <atom:updated>2018-05-14T16:24:57.334Z</atom:updated>
            <content:encoded><![CDATA[<h4>Tell me about a time …</h4><p>這是我<a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%B8%80-8c0e64e9b469">一</a><a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%BA%8C-2f3a6b3dbaff">系</a><a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%B8%89-9018751a19dc">列</a><a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E5%9B%9B-d9a623b422bf">心</a><a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%BA%94-168a0f040188">得</a>的最後一篇，最後一家面試的公司是Amazon。之前已經分享過<a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%BA%94-168a0f040188">準備技術面試(Technical Interview)</a>相關的內容，因此這一篇我想著墨在行為面試 (Behavioural Interview 以下簡寫為BI)上多一點。</p><h4>公司</h4><p>台灣的朋友可能比較不了解Amazon，但美國人的生活幾乎已離不開這間公司的產品。除了他們的電商和AWS之外，Amazon的觸角已經深入了線上影音閱讀(電視電影，音樂，電子書，有聲書，Twitch)以及實體商店(Whole Food, Amazon Go)還有<a href="https://www.youtube.com/watch?v=wn7DBdaUNLA">你家大門</a>跟<a href="http://amazon trunk">你的後車廂</a>。</p><p>矽谷的科技公司是有名的溺愛員工，但Amazon的工作文化卻是業界知名的(相對)長工時和節儉。<a href="https://www.thriveglobal.com/stories/18131-jeff-bezos-work-life-balance">Jeff Bezos說過他不相信Work-Life Balance</a>，甚至有內部人士爆料說員工會<a href="https://motherboard.vice.com/en_us/article/mgbzbx/at-amazon-employees-treat-the-bathroom-as-an-extension-of-the-office">利用在馬桶上的時間辦公</a> 🙊 💩。那這樣的工作文化下Amazon為何仍然可以吸引人才並且持續創新突破並且<a href="https://www.cnbc.com/2018/03/20/amazon-just-passed-alphabet-to-become-the-worlds-second-most-valuable-company.html">超越Google躍升成為全球市值第二高的公司呢</a>？</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*1nc4zpKH3yHX_Z9KDacV3g.jpeg" /><figcaption>Amazon透過機器人來台管理貨倉，處理每日大量的訂單</figcaption></figure><h4>公司文化</h4><p>從我這次準備以及面試的經驗來看，我認為<strong>公司文化</strong>是一個重要的關鍵。Amazon全公司非常推崇Jeff Bezos所提倡的<a href="https://www.amazon.jobs/principles">十四項領導能力原則(Leadership Principle)</a>，他們無論工作上或招募流程都很認真的在維護這樣的文化。</p><p>下面我簡單挑出幾個特質來說明：</p><ul><li><strong>Ownership</strong>：領導者(Amazon的每個員工都是領導者 😅)對於自己做的產品有<strong>責任感</strong>，認為自己做的決策或行為都是代表公司，因此會<strong>考量事情長期的影響勝過短期的利益</strong>。好的領導者不會說出 ”這不是我負責的事情“ 這種推託的話。</li><li><strong>Invent and Simplify</strong>：領導者總是要求他的團隊透過<strong>創新與發明</strong>來<strong>簡化</strong>事情，到處尋找新的靈感來改進。他們勇於承認自己過去作法上的錯誤，因此不會用 “一直以來都是這樣 “當作不改變的藉口 。</li><li><strong>Bias for Action</strong>：速度在商業上是很重要的，即便是沒有足夠的資訊。Amazon鼓勵員工<strong>在可以承受的風險下去嘗試新的事情</strong>。有些時候不做決定比做錯誤的決定還糟糕！</li><li><strong>Earn Trust</strong>：團隊間不是無條件的信任而是要花時間培養的，好的領導者仔細聆聽，但<strong>直白地說出自己的看法</strong>。即使批評自己人很尷尬難受，但好的領導者不會鄉愿，總是能用最高的標準去批評改進自己的團隊。</li></ul><p>… 更多的內容建議有興趣的朋友直接看上面 Jeff Bezos 的解釋。</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FB-xdfQv3I1k%3Ffeature%3Doembed&amp;url=http%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DB-xdfQv3I1k&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FB-xdfQv3I1k%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/ff683ef01a60d8d02ec52739e349a00e/href">https://medium.com/media/ff683ef01a60d8d02ec52739e349a00e/href</a></iframe><h4>行為面試(Behavioural Interview)</h4><p>為了確保新進員工都理解且擁有這些特質，Amazon花費很多精力在評估這些人格特質上。其實不只Amazon，Google以及其他我面試的公司都是透過這種 Behavioural Interview的模式來評估一個人做事的方法以及他是否適合該公司的文化。我認為這種BI面試的方法如同<a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%BA%94-168a0f040188">白版Coding面試</a>一樣，也是因為有一定的鑑別度所以才被廣為採用。</p><p>過去我在台灣的經驗，公司多是用性向測驗或聊天的方式來評估面試者的個性是否適合公司，但也聽說過朋友在面試都跟主管談天閒聊共同興趣(運動，電玩…)或彼此都認識的人(學校老師，同學…等)。我認為這種面試方法的實際評估效益很小，甚至容易造成刻板印象或是導致公司的同質性很高。</p><p>美國軟體公司行為面試的模式大致如下：</p><h4>問題形式</h4><p>面試官會問你一個到多個情境式問題，通常是用 “Tell me about a time when …” 這種形式開始，問題內容可能涵蓋不同的能人格特質/能力。</p><p>例如：</p><blockquote>Tell me about a time when you made a hard technical decision</blockquote><p>這個問題是想要知道面試者如何評估不同技術的好壞，像是思考問題時的深度與廣度，在軟體開發的不同面向(開發速度/維護/系統穩定)是如何評權衡比較…等。</p><blockquote>Tell me about a time when you disagree with your manager</blockquote><p>這問題是想要知道你如何與人溝通協調，在面對不同意見時是否能堅持自己認為對的事情或是承認自己的錯誤。</p><blockquote>Tell me about a time when you missed a deadline</blockquote><p>這問題可以了解你是如何規劃時間以及決定事情的優先順序。相信我，他們不是想聽到你說我願意自主加班這種台式答案…。</p><h4>回答方式</h4><p>面試的時間其實很有限，Amazon的每個面試官會在四十五分鐘裡面撥出十到十五分鐘問你Leadership Principle相關的問題，還會把十四項原則分配給五位面試官來確保每一個面向都有被評估到。因此如何在短暫的十五分鐘內精簡的回答問題很重要，面試官必須透過對話內容搜集證據來證明你公司想要的特質然後寫成報告。</p><p>因此回答時要避免過度發散，HR建議要使用 S.O.A.R. 的模式來回答，底下我就用 “Tell me about a time when you make a hard technical decision” 做範例來回答：</p><ul><li><strong>S</strong>ituation (故事的背景)：過去我在 <a href="https://www.foundi.info/jobs/">foundi</a> 時候系統常遇 XYZ 問題，因此我想使用現在最夯的新技術 A 取代我們現有的技術 B。</li><li><strong>O</strong>bstacle (遇到的困難)：我評估切換至新技術 A 能夠帶來 PQR這些優點但必須投資一個月的時間開發且同事們也要花額外的時間去學習新技術。而使用現有的技術 B 則可以省下這些功夫讓工程師去做別的事情。</li><li>Action (採取的行動)：我列出了現有兩種方案不同面向的優缺點與同事討論，最後我認為長期來說還是 A 方案會對公司帶來最多的好處，因此我決定採用A方案。</li><li>Result (發生的結果)：完成切換至A方案後我們解決了 XYZ 問題，也帶來了 JQK 的影響，從這個過程中我學習到了 EFG 這些事情。</li></ul><p>幾個要注意的重點是</p><ol><li>這一整個故事最好要能在3~5分鐘內講完，簡單說到重點就好，如果面試官有興趣的話他自然會問你更多的細節。不要自己說個不停浪費了寶貴的面試時間。</li><li>在回答問題時要強調 “<strong>我</strong>做了什麼“ 而不是 “<strong>我們</strong>”，面試官是在評估你而不是你同事。這種時候謙虛並不會加分，當然你也不能說謊騙人。</li><li>最好每個故事的背後都能提到幾個公司提倡的人格特質，例如上述答案就符合了Amazon 喜歡的 Ownership 和 Bias for Action 這兩項特質。</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*6n6DRfurYHav7-RwYCicOA.jpeg" /><figcaption>終於有機會到Amazon無人商店去體驗一下</figcaption></figure><h4>面試</h4><p>這次面試運氣很好的被邀請去西雅圖總部面試，因此還有機會跑去Amazon GO(無人商店)以及Amazon Sphere(人造雨林)參觀。面試總共有五關，中午會有一個Amaonian(他們這樣稱呼自己員工)帶我出去吃中餐。透過BI以及最後問問題的時間我也更了解這間公司的文化，其中一個面試官也與我分享了Amazon<a href="https://hk.thenewslens.com/article/94134">特殊的備忘錄開會文化</a>以及<a href="http://www.epochtimes.com/b5/17/7/30/n9477619.htm">小團隊的兩個Pizza 🍕原則</a>。這和我過去在台灣對於大企業開會的印象非常衝突，也讓我開始重新思考台灣的開會與加班文化背後的原因。</p><p>面試結束當天我就接到Amazon HR電話說面試的回饋很正面希望盡快進行後續的流程 (Team matching) 🎉 🎉 雖然我最後決定拒絕了這間公司的 Offer，但是在這個過程中讓我重新審視了自己過去工作的方法和瞭解到無形的公司文化對的影響可以有多大。</p><h4>心得</h4><ul><li>美國許多公司都很驕傲於他們自己的文化，Amazon執著於他的顧客，Google的<a href="https://www.google.com/about/philosophy.html">10 things known to be true</a>，Facebook要 <a href="https://techcrunch.com/2017/06/22/bring-the-world-closer-together/">bring the world closer together</a> … 他們也很認真地在維護他們的文化。</li><li>S.O.A.R 不只在面試，平常跟工作上與同事或主管溝通也很有效。大家都喜歡講話簡單懂的同事。</li><li>西雅圖是個好地方！</li><li>Amazon Sphere又濕又熱根本無法在裡面工作 …</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*zYK_BaBIwnDxKcMdtJ4HFQ.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nB8Ucu_5PgZgXGJ0LoQi6g.jpeg" /><figcaption>Amazon在市區蓋了一個球型雨林，讓員工可以在裡面放鬆(加班？)</figcaption></figure><p>雖然面試的很多細節都可以花時間準備的，但真實的工作經驗是沒辦法取代的。我很慶幸我過去自己在 <a href="https://www.foundi.info/jobs/">foundi</a> 這個小團隊工作，這兩年多的經驗中我學習到如何安排時間和事情的優先順序，把大又複雜的工作切分成許多可以單獨執行的事項。也學到如何有效的跟團隊溝通以及怎麼客觀的去評估不同技術的優劣…等各種能力，讓我面試的時候總是有說不完的故事。</p><h4>後記</h4><p>謝謝各位客官的閱讀。在這趟旅程中我體驗到很多不一樣的東西，因此也希望透過分享自己的經驗讓大家知道其實工作文化是可以很不一樣的。台灣的人才真的沒有比較差，我們值得更尊重人的招聘流程，更客觀的面試方法，還有更友善的工作環境。</p><p>因此當我們在抱怨鬼島慣老闆的同時，請記得其實都還有一些能做的事情。試著從公司內部用力的改善不合理的工作文化，又或是勇敢的踏出舒適圈去尋找更適合你的公司。台灣其實有很多我很敬佩的創業家，他們捨棄高薪穩定的工作，出錢出力為了改變台灣的工作文化。何不加入他們一起改變台灣呢？</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9lhIA4DPNnruz-Hf90STSQ.jpeg" /><figcaption>Google Boulder Office (source t<a href="https://www.trybaarchitects.com/portfolio/google-boulder-campus">rybaarchitects</a>)</figcaption></figure><p>最後在考量各方面的優缺點之後決定接受了Google Boulder 的offer。我想要特別感謝我女朋友一路上的支持，幾年來每天從利用下班時間完成線上課程，刷題唸書準備面試到安排旅行接洽面試…等每項都不是簡單的挑戰。沒有她的鼓勵與陪伴我不可能完成這個長期的計畫 👫。今年我們將會一起在Boulder 這個城市展開新的生活，也祝福各位一起在努力的朋友也都能心想事成，如意完成自己的人生的規劃。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fb9c73ff995c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[美國面試心得分享(五)]]></title>
            <link>https://hsinchengchao.medium.com/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%BA%94-168a0f040188?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/168a0f040188</guid>
            <category><![CDATA[interview-tips]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Thu, 03 May 2018 01:41:29 GMT</pubDate>
            <atom:updated>2018-05-03T01:42:17.090Z</atom:updated>
            <content:encoded><![CDATA[<h4>準備的重要</h4><p>因為我和女朋友兩人的規劃，面試灣區公司的同時我也有面試<a href="https://goo.gl/maps/x4AktpqyutB2">Boulder</a>這個城市的職缺，其中一家就是Google。</p><p>這其實是我第三次面試Google了，之前在台灣被拒絕過兩次。這次面試不在我原本計畫之內，但在我出發美國前一週剛好人資詢問我是否有興趣再去面試一次？詢問之下發現也可以面試Boulder的職缺，就這樣奇妙的促成了。</p><p>直接說結果 … 然後就拿到offer啦 🎉 🎉</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dT9LhE77UkwLK5itdB2_BA.jpeg" /><figcaption>這趟旅行終於見到了Android 主題公園</figcaption></figure><h4>公司與職缺</h4><p>關於Google的面試還有公司文化福利等網路上已經有太多資料了，因此我只針對我這幾次面試的內容與我的準備方法(K書/刷題)上有什麼不同來分享。這同時也是我面試其他五間公司得到的心得。</p><p>雖然都是申請SWE(軟體工程師)一職，但因為累積了五年工作經驗，HR幫我申請比較資深一點的工程師職缺。一般剛畢業的學生或是較資淺的工程師，面試時考的內容只會專注在<strong>資料結構/演算法，</strong>頂多加上一些<strong>物件導向的程式設計</strong>。然而我這次的面試就有另外被加考<strong>系統設計</strong>以及<strong>領導能力</strong>這兩個項目。</p><h4>技術面試</h4><p>Google的面試通常是五關45分鐘的一對一面試，面試官會要求你在白板上寫程式來解決一個問題，接著他會更深入的問你執行效能或是如何讓這個程式的擴大規模…等問題。這種形式的白板面是方法已經廣矽谷科技公司使用，但可以說是Google率先發明的。相較於其他面談或考卷的面試方法，這種白板面試更注重面試者對於 基礎 CS知識(<strong>資料結構/演算法)</strong>和<strong>溝通</strong>與<strong>解決問題</strong>的能力。</p><p>因為白板面試與平常的上班工作有許多的不同，一般面試前都需要<strong>特別練習幾個月</strong>(市面上已有許多協助<a href="https://www.amazon.com/Cracking-Coding-Interview-Programming-Questions/dp/098478280X">準備的書</a>和<a href="https://leetcode.com/problemset/all/">網站</a>)。有些人不認同這種面試方法，但我這次面試的六家美國軟體公司基本上都是類似的方法，因此我想還是有一定的鑑別力。</p><p>2015年時，知名軟體Home brew的作者 Max Howell 在面試Google被拒絕後<a href="https://twitter.com/mxcl/status/608682016205344768?lang=en">諷刺的在Twitter上地寫道</a>：</p><blockquote>Google: 我們 90%的工程師都在用你寫的程式(Home brew)，但如你沒辦法在白板上反轉二元樹，滾吧我們不錄用你！</blockquote><p>這個推特動態也引起了一波討論，許多人忿忿不平的認為面試這些工作上很少用到的演算法並不合理。然而兩年後Max Howell卻<a href="https://www.quora.com/Whats-the-logic-behind-Google-rejecting-Max-Howell-the-author-of-Homebrew-for-not-being-able-to-invert-a-binary-tree">在Quora上面回文說到他當時的評論對Google並不公平</a>，他自己在兩年間也了解到自己當初有許多不足的地方需要改進。</p><p>我認為不管面試結果如何，面試 Google都是一個了解自己的好機會。Google的面試題目一般都是經過設計來測試特定幾項能力，因此一個題目答不好通常代表面試者可能缺乏某些能力或特質，若能藉此瞭解自己不足之處也是另外一種收穫。</p><p>因此如果你也跟我一樣曾經面試被拒絕(多次 😅)的話，別沮喪！公司一直都還會在，努力增進自己實力之後再試一次吧(一般來說要等一到兩年後)，只要沒有放棄嘗試都不算是失敗。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*XKhKCthAYCWAkvQQY-RZnA.jpeg" /><figcaption>運氣很好的近距離看到Waymo的自動車！</figcaption></figure><h4>面試準備方式</h4><p><a href="http://www.crackingthecodinginterview.com/">Cracking the Coding Interview</a> 裡面有非常詳細的教學，從如何寫履歷，多種面試題型到面試之後如何爭取薪資…等都有很詳細的說明，非常推薦想面試的人買來讀。而 <a href="https://leetcode.com/problemset/all/">Leetcode</a>上面也有很多題目可以練習(俗稱刷題)，這部分內容我就不贅述。</p><p>而我認為我這次準備與前面幾次最大的不同就是<strong>心態</strong>，過去面試時我還留有一些學生時期留下的惡習，偶爾會抱著<strong>”這題不會考“</strong>的心態跳過一些章節或是題目。練習時也沒有乖乖地按照書本上建議的方式<strong>”手寫”</strong>每個題目，結果面試時在一些看似簡單的題目(Binary Search/Quick Sort)上卻犯了許多小錯誤。</p><p>而這次因為有較充裕的時間，我就有仔細地把書上的每個題目還有演算法都做了練習，真的在<strong>紙上手寫</strong>題目然後再<strong>輸入進電腦執行</strong>除錯(Leetcode上面的題目HR是建議我要手寫前150題)，書上提到的演算法也都試著自己實作一次確保每個細節我都熟悉。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xxYhmZORHCmR7X6YCFMTYg.jpeg" /><figcaption>Google還有提供游泳機給員工</figcaption></figure><h4>工作經驗</h4><p>過去面試時我正在 <a href="https://event.livehouse.in/zh-TW/about/recruit.html">Livehouse.in</a> 擔任iOS的工程師(寫Objective C)，而這次面試時我在<a href="https://www.foundi.info/jobs/">foundi</a>擔任 Full-stack工程師。雖然兩間公司都是很棒的新創公司，但我認為iOS工程師的經驗相對不適合Google這種General Software Engineer的職缺。</p><p>過去做iOS工程師時我大部分的時間都在做前端UI的開發，當時iPhone上所使用的Cocoa Touch 是個很封閉的 framework，蘋果幫你決定好了什麼是好的介面和好的實作(MVC/KVO…)。因此平常工作上我不需要做太多系統/設計相關的決定，更多的心力都在UI/UX實作上。而後來轉去foundi當全棧工程師時開始接觸Javascript這個混亂的前端世界，各種UI Framework都有自己一套的喜好 (Angular, React, Ember …)我才開始思考每個不同Framework背後的優缺點各是什麼。</p><p>加上在foundi時用了很多開源的專案(e.g. Django, Angular)，時常也會需要閱讀別人寫的原始碼來解決問題，因此學習了不少物件導向設計的最佳實作。同時在公司也常需要處理 VM/ Network/ DB …等各種維運相關的問題，因此對後來準備系統設計的面試也有很重大的幫助。</p><h4>面試時使用的程式語言</h4><p>前兩次面試時我試過使用 Objective-C，Objective-C是個非常繁瑣的語言，習慣透過IDE把函數名稱取的很長。而面試時通常沒有IDE且若面試官不是iOS/ Apple工程師，會很難理解該語言的一些特性(retrain, copy …)，面試起來會很吃虧。</p><p>而我這次面試時是使用Python，寫起來簡潔快速連括號都省了。加上預設函式庫對於常用的資料結構都有很好的支援，因此可以省下很多時間。加上Google本來就是一間喜歡用Python/Java的公司，因此跟面試官溝通起來快又有效。</p><p>另外上次有朋友問我是否可用JS面試，JS一直到 ES6才開始對Class/Set/Map有比較完整的支援，因此我建議最好要熟ES6之後的語法，不然還是盡量避免始用JS 面試。但事實上不管你用什麼語言你最好對他的特性都要很了解(e.g. Class 如何繼承，Reference vs Copy …)，剛好被問到的時就能讓面試官印象深刻。</p><h4><strong>物件導向設計/系統設計：</strong></h4><p>物件導向設計跟系統設計其實界線有點模糊，這兩項都如同我前面說的很仰賴過去的工作經驗。但經驗之外這兩項能力還是能夠(也需要)刻意練習的。</p><p>系統設計的相關準備方法CTCI上面有寫，也可以參考<a href="https://www.jyt0532.com/2017/03/27/system-design/">JYT大的文章</a>。另外找一些題目來<strong>每天練習</strong>然後<strong>和其他人討論</strong>也是不錯的方法。這類問題往往沒有標準答案，面試的重點是在你能不能依照需求比較出各種設計的優劣。</p><h4>領導能力/公司文化</h4><p>其實這類的面試並不只是聊天打屁而已，因為面試官必須用你聊天中的內容來寫一份報告向公司證明你有良好的溝通/決策/合作能力。如果你花了大半天拿來聊天閒聊打屁的話，就算面試官再喜歡你也沒有足夠的資訊可以寫在報告上。</p><p>這種面試不但<strong>可以準備</strong>也其實也<strong>需要準備</strong>。尤其是當你像我一樣不熟悉英文面試以及美式的溝通文化的話，這部分的準備就更不能偷懶！行為面試通常會用下面的形式出現：</p><blockquote>Tell me about a time when you (deal with conflict, make a hard decision …)</blockquote><p>面試的時間寶貴，千萬要避免自己講半天講不到重點或是講了半天都在描述團隊的貢獻(台灣人常會過度謙虛)。最好要能依照SAR (Situation, Action, Result) 的架構來精簡的回答，如果面試官對細節有興趣的話他自然會追問更多。相關準備的方式我之後分享Amazon面試的分享再講。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gLmHuq-I7OBt3kdXoHneAA.jpeg" /><figcaption>傳說中的超詭異六人腳踏車</figcaption></figure><h4>結論</h4><ul><li><a href="https://zh.wikipedia.org/zh/%E6%91%A9%E8%8F%B2%E5%AE%9A%E7%90%86">摩菲定律</a>：沒準備好的地方就一定會被考到。所以不管是演算法/資料結構還是系統設計/領導能力，一定都要花時間好好準備。我這三次面試Google下來Bit manipulation/ Graph/ DP/ Search … 想得到幾乎都被考過了。</li><li>任何一次的失敗都是很好的學習機會，不要因為失敗就否定自己，要從失敗經驗中讓自己進步。公司一直都在那裡，你永遠可以再試一次。</li><li>有計劃的準備，累積正確的工作經驗，尋找適合的職缺。不用到處羨慕別人，有計劃的準備與練習加上正確健康的心態才是求職長久之策。</li></ul><p>下一家(最後一家)面試的公司是Amazon</p><p>To Be Continued…</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=168a0f040188" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[美國面試心得分享(四)]]></title>
            <link>https://hsinchengchao.medium.com/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E5%9B%9B-d9a623b422bf?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/d9a623b422bf</guid>
            <category><![CDATA[self-driving-cars]]></category>
            <category><![CDATA[interview]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Wed, 25 Apr 2018 23:44:33 GMT</pubDate>
            <atom:updated>2018-04-25T23:46:59.687Z</atom:updated>
            <content:encoded><![CDATA[<p>遇到地表最專業的HR！！</p><p>上完<a href="https://medium.com/@hsinchengchao/%E8%87%AA%E9%A7%95%E8%BB%8A%E4%B9%8B%E8%B7%AF-%E7%B3%BB%E7%B5%B1%E6%95%B4%E5%90%88-a9245859a785">Udacity的自動車課程</a>之後，隨著學會的東西越來越多，發現自己不懂的東西也變得更多。自動車技術的各個面向都是很難的挑戰(電腦視覺，機器學習，機械控制，Radar/Lidar，地圖定位，導航，系統安全…)想要全部學懂變成專家的話恐怕二十年也不夠。但換個角度來說，既然永遠有學不完的東西，為什麼不現在就嘗試進入這個產業呢？</p><p>加州是全球軟體公司聚集的地方，即便是自動駕駛車這種新興的產業在灣區也是早已經競爭激烈。截至2018年三月止獲得<a href="https://www.dmv.ca.gov/portal/dmv/detail/vr/autonomous/testing/">加州自動車上路許可的公司就有52家</a>！各家公司的規模大小與採取的<a href="https://medium.com/@hsinchengchao/emilio-frazzoli-%E6%BC%94%E8%AC%9B%E8%AE%80%E5%BE%8C%E5%BF%83%E5%BE%97-%E4%B8%8A-215eb02b7a76">策略也都有許多不同之處</a>，其中Cruise Automation可說是在各方面都很領先的公司，這也是為什麼我想面試這間公司。</p><h4>公司 (Cruise automation)</h4><p>2013年創立的Cruise Automation於近幾年<a href="http://fortune.com/2016/03/11/gm-buying-self-driving-tech-startup-for-more-than-1-billion/">被 GM 用將近十億美金</a>(錢和股票)給買下來(改名為 GM Cruise LLC)，多年的自動車研發技術加上GM的汽車製造經驗， Cruise 被譽為最有可能成功的自動車公司之一。就算不把母公司GM 算進去 Cruise 的員工數也已經超過五百人了，而且目前公司也還在積極的擴張中。當時我在網站上也找到了一個職缺，與我過去在<a href="https://www.foundi.info/jobs/">foundi</a>的經驗很匹配，決定一試。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*24A-gpfabPIp5bzjnaDHOQ.jpeg" /><figcaption>在SF市中心常會看到Cruise的自動車在跑</figcaption></figure><p>如果你常待在舊金山的話，偶爾會看見一台白色的自動車混在車陣中，那就是Cruise的自動車。Cruise目前已經對自己的員工提供這種<a href="https://techcrunch.com/2017/08/08/cruise-is-running-an-autonomous-ride-hailing-service-for-employees-in-sf/">類似Uber的叫車服務</a>，免費使用這種自動車這也是加入這間公司的福利之一！</p><h4>挑戰</h4><p>根據<a href="https://www.recode.net/2017/11/29/16712572/general-motors-gm-new-self-driving-autonomous-cruise-car-future">網路上資料</a>顯示，Cruise 的自動車上有10台攝影機21個雷達和5台光達(雷射)，因此每台車每天都有很大量的資料需要被存下來，光是每台車上10台攝影機的影像資料每天估計都有幾百GB，再加上雷達光達等其他的感測器以及系統的各項數據(CPU/memory usage, log data …) 資料量又更加可觀。而Cruise又是已經每天有好幾台車在路上跑的公司，每天都有大量的新資料被採集下來，光想有效的把所有資料存下來就是一個非常大的挑戰。</p><p>而這些資料被存下來之後又必須被整合進公司的資料庫，供其他研發部門使用(e.g. 機器學習，硬體校正…)，甚至是當發生交通事故之後要拿來追究責任。</p><p>就在我面試前的幾天 Cruise的自動車才因為<a href="https://jalopnik.com/a-cruise-self-driving-car-got-a-traffic-ticket-in-san-f-1824211244">轉彎時離行人太近而被警察開罰單</a>，這種時候公司就必須要能夠提供出足夠的證據來為自己辯護。根據新聞內容指出 Cruise查看事發當時系統的資料顯示，那位行人距離車子有大約三公尺的距離，不算真的離行人太近。但問題是交通規則只有說需要跟行人保持”<strong>足夠“</strong>的距離，但到底多少公尺才叫做<strong>”足夠”</strong>呢？這也是目前<a href="https://medium.com/@hsinchengchao/emilio-frazzoli-%E6%BC%94%E8%AC%9B%E8%AE%80%E5%BE%8C%E5%BF%83%E5%BE%97-%E4%B8%8B-fd53b07098b0">自動車面臨的挑戰</a>之一。</p><p>我應徵的職缺 Full Stack Engineer — Data 就是要為公司的內部提供一個方便好用的介面來有效且方便的存取/搜尋這些重要的資料以解決這些問題，算是一個比較偏向基礎建設的角色。</p><h4>接洽</h4><p>大家都知道找工作通過內部推薦是比較有效的應徵方式，但我並沒有在Cruise工作的朋友 😦 因此我在LinkedIn上面找到<a href="https://www.linkedin.com/company/6577635/">Cruise Automation公司的頁面</a>然後瀏覽上面他們的員工，花了很多的時間一個一個傳訊息看有沒有願意幫助我的人。在努力了好一段時間之後竟然真的有一個台灣人回訊息給我！他好心的跟我通電話幫我介紹公司，內部推薦，甚至帶我去Cruise辦公室參觀和吃午餐！</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b255Y0MTXH_lU5PlibPbIw.jpeg" /><figcaption>Cruise Cup</figcaption></figure><p>雖然我很早就聽說過可以透過這種方法在網路上尋求陌生人幫助，但實際在傳訊息騷擾人的時候也是覺得十分歹勢，畢竟我們都不喜歡麻煩他人。外加還要用英文寫信同時還有時差所以來回一個訊息經常就是一天…各種困難，很容易就會想放棄不幹了。但其實網路上有很多願意幫忙的人（單純喜歡助人的人，受過別人幫忙想要回饋的人，或是單純為了推薦獎金的人…等）因此只要主動積極並且堅持下去，常常都是可以找到熱心的人 😆</p><h4>面試</h4><p>第一階段的面試跟其他公司並沒有太大的不同，是由我申請部門的工程師透過線上協作平台跟我進行電話線上面試，在完成之後不久就收到了通知邀請我去辦公室面試！</p><p>Cruise 的辦公室就在舊金山的市區，辦公室外部非常低調(連入口都有點難找 😅)，黑色大門外站了兩個高大的保全，為公司增添了幾分神秘的色彩。辦公室內部也是簡約的工業風，裝潢都是以玻璃和金屬為主。但簡約的公司內部卻到處都可以見到裝滿飲料的冰箱和各種咖啡機，感覺對員工福利是很照顧且很大方的。</p><p>On-site 面試從下午一點開始連續四個小時的技術面試，這樣面試真的是很累…非常累，面試到後來我覺得頭痛得快要爆炸了。如果大家以後有遇到類似的面試時請記住，當面試官問你需不需要喝水或是上廁所時，不管如何都要回答說你要。趁機起來走一走喝點水放鬆一下，之後面試的表現才會更好。</p><p>好在當天面試的表現應該還算不錯，兩天後就收到錄取的通知了 🎉 🎉。和 Drive.ai幾乎是同一天收到通知的。收到通知的那天真的覺得很感動 😭，美夢成真的感覺！然而還有一些其他公司的面試，所以還是得克制著興奮的心情繼續把剩下的面試完成 😆</p><h4>HR</h4><p>Cruise 的HR是我遇過最貼心且專業的， 整個過程從前期的聯絡安排，到最後薪資協商都讓我感受到無比的貼心和專業。例如面試當天我走進會議室時，桌上準備了面試時程表以及面試官的名字和職稱（面試緊張時很難記住面試官的名字）讓人感覺公司做事很有計畫。除此之外還有一張手寫的歡迎卡片！讓嚴肅的面試增添了幾分人情味。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*IEgXSNvgYNH9HSOc2cz0Ig.jpeg" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*BugAQsGu9AeHaKrzkvLEhA.jpeg" /><figcaption>Cruise HR 給的手寫小卡片，當然是帶回去作紀念啦！</figcaption></figure><p>後來在討論offer時我也遇到了一些困難，Cruise HR也很主動的幫我跟部門主管協商後提出了各種解決方案。遇到這樣的 HR讓人對這間公司的印象大大加分，整體來說我對公司的印象非常好，公司應該要幫這位HR加薪才對！</p><h4>心得</h4><ul><li>自動車是很大很複雜的議題，找到你自己適合切入的角度就馬上開始吧！</li><li>Cruise的自動車上有兩顆45度歪歪的Lidar很好認。</li><li>機會還是要靠自己把握才贏。只有自己積極的去爭取/把握更多機會，更多的好機會才會發生在你身上。</li><li>我在灣區遇到的幾家公司人資都非常的專業，而且申請的過程也讓人倍感<strong>尊重</strong>，找工作是公司與員工雙向的事情，應該互相尊重而不是老闆”<strong>給“</strong>你工作這種上對下的觀念。真心希望未來台灣企業和員工都能有這種比較健康的心態。想起我剛畢業在台灣面試的某家大公司到今天還沒通知我到底有沒有錄取 😭 😭 五年多了我還在等你們答覆呀 ！！</li></ul><p>To Be Continued …</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d9a623b422bf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[美國面試心得分享(三)]]></title>
            <link>https://hsinchengchao.medium.com/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%B8%89-9018751a19dc?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/9018751a19dc</guid>
            <category><![CDATA[interview]]></category>
            <category><![CDATA[self-driving-cars]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Fri, 20 Apr 2018 06:00:00 GMT</pubDate>
            <atom:updated>2018-04-23T06:22:23.065Z</atom:updated>
            <content:encoded><![CDATA[<p>自動駕駛車公司我來啦！</p><p>在結束了先前<a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%B8%80-8c0e64e9b469">練</a><a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%BA%8C-2f3a6b3dbaff">習</a>的面試之後，終於要去自動車駕駛車的公司面試了！跑了大半個地球來到這個地方，走進辦公室的當下全身雞皮疙瘩都起來了…</p><h4>公司 <a href="https://www.drive.ai/">Drive.ai</a></h4><p>由Stanford AI 實驗室成員跑出來開的自動車新創公司，或許大家更常是因為 <a href="https://www.linkedin.com/in/carol-reiley-7a91072/">Carol Reiley</a> 和 <a href="http://www.andrewng.org/">Andrew Ng</a> 這對矽谷神雕俠侶而知道這間公司。Drive.ai想要用深度學習來解決自動駕駛這個難題，目前也有<a href="https://medium.com/@drive.ai/drive-ai-growth-and-acceleration-series-b-fcdf78cf9e3a">不錯的B輪融資</a>。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/855/1*fJveTpweJxuKf0mLZHMh3w.png" /><figcaption>圖片來自Drive.ai Medium</figcaption></figure><h4>接洽</h4><p>過去在上<a href="https://www.deeplearning.ai/">Coursera上課</a>時就聽過這間公司了，看到一個很適合我經驗的職缺我就決定一試。透過又帥又猛的<a href="https://medium.com/@KenjiChao/2016-17-%E7%BE%8E%E5%9C%8B%E8%BB%9F%E9%AB%94%E5%B7%A5%E7%A8%8B%E5%B8%AB%E6%B1%82%E8%81%B7%E5%BF%83%E5%BE%97-a5c00427fa73">Kenji大大</a>的介紹之下認識了一位在 Drive.ai工作的朋友。他很耐斯的替我介紹了公司還有團隊，最後我也在他的推薦之下拿到了第一階段面試的機會！</p><h4>一階段面試</h4><p>Drive.ai是唯一在第一階段面試就邀請我去他們辦公室的公司，當天我的火車延誤加上找不到公司大門跑到車庫去一整個超狼狽，但好在一眼就認出他們的自動車！在好心的工程師引導之下總算回到大門遇到了HR，簡單的公司導覽之後HR就帶我進到會議室準備面試。</p><p>在結束白板題之後，面試官也留了一些時間讓我問問題。聊天的過程中可以明顯感受到面試官也對自動駕駛車非常的熱情，由於最後時間不夠他還留下Email給我，說我隨時可以寫信給他 😆。</p><p>離開前我怕自己以後再也沒有機會來這，所以就羞恥的請HR幫我在他們門口拍了一張照片到此一遊！結果面試隔天就收到了HR的電話，約我下週再去二階段面試 🎉</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/515/1*i5W6pWZRX58CrLB4hunukg.png" /><figcaption>怕沒機會再來，請HR幫我在門口拍了張照</figcaption></figure><h4>二階段面試</h4><p>面試分成四個部分，早上兩個技術面試，中午在辦公室跟HR吃午餐，下午一個系統設計面試，最後是由<a href="https://medium.com/@drive.ai/drive-ai-welcomes-zhiyin-pan-e2ebfc506a45">部門主管</a>跟我聊聊加入之後可能要做的事情。面試官都很耐斯，除了例行的演算法考題外也都會留時間讓我問任何想問的問題。我也趁機瞭解了許多他們過去做過的專案，以及公司目前遇到的挑戰。</p><p>Drive.ai 號稱想要用深度學習來解決自動駕駛的問題，但其實深度學習這種<strong>黑盒子</strong>的特性跟自動駕駛這種對安全要求極高的系統本質上有些矛盾。因為深度學習的模型發現出錯後很難快速找出原因並修改，而自動車系統上任何一個錯誤的程式碼改動都有可能造成不可挽回的悲劇。因此如何評估跟保持系統的正確性跟安全性也是公司非常注重的環節。</p><p>我雖然有上過一些線上課程，但畢竟不是做資料分析的專家。好在過去在<a href="https://www.foundi.info/jobs/">foundi</a>有同事常常需要處理大量資料並且評估資料的正確性，小團隊的好處就是很容易知道別人在做什麼，因此當時也偷聽了不少斜對面的 L 同事與老闆的討論，外加 foundi 一向對於寫測試的要求都非常嚴格，因此我回答起來也煞有其事 😎 整個面試可說是有驚無險。</p><p>…</p><h4>後續</h4><p>面試完的隔天就通知說錄取了 🎉，但在這之後我也花了許多時間跟HR討論薪資等相關的問題。這部分還牽扯到許多與其他公司的愛恨糾葛，所以我想之後有空再專門寫一篇來分享。</p><p>美國的軟體公司對於你同時面試多家公司也都見怪不怪了，因此也都會很坦白的問你別家公司的進度或是薪資等細節。只要不要欺騙說謊，每家公司也都會很有風度盡力爭取你的加入！感謝自由市場，讚嘆自由市場！</p><h4>心得</h4><ul><li>深度學習有很大的潛力，但深度學習也遭遇到很多難解的挑戰。像Drive.ai 這樣的明星公司，他們自然更清楚目前深度學習的限制，因此除了深度學習外他們也用了其他傳統的方法多管齊下以確保系統安全運作。</li><li>不管你在公司負責的是什麼，都要去把公司最核心的技術學習起來。(這句話是過去一個厲害前輩告訴我的，不要覺得事不關己就不關心。多學一些東西最後都還是自己的）</li><li>面試很多公司時要把公司名稱記好，不要在面試的時候講錯 🙊會很糗…</li></ul><p>To be continued …</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9018751a19dc" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[美國面試心得分享(二)]]></title>
            <link>https://hsinchengchao.medium.com/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%BA%8C-2f3a6b3dbaff?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/2f3a6b3dbaff</guid>
            <category><![CDATA[interview]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Mon, 16 Apr 2018 05:55:06 GMT</pubDate>
            <atom:updated>2018-04-23T07:02:08.210Z</atom:updated>
            <content:encoded><![CDATA[<p>Learn more than you need</p><p>雖然第二次面試距離<a href="https://medium.com/@hsinchengchao/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%B8%80-8c0e64e9b469">前一個面試</a>只隔了幾天，但這次面試就已經沒有那麼緊張了，除了遇到印度人面試官的時候比較難聽懂，基本上都沒問題。</p><h4>面試公司</h4><p>S是一家B2B的軟體新創公司，員工大約五十到一百人左右。主要是替其他科技公司做一些基礎設施(micro service部署/監控/通知)，省下客戶花在維運上的人力，讓他們更專注在本業。公司生意已經做滿大了， Yelp 等許多科技公司都是他們的客戶。</p><h4>接洽</h4><p>有一天收到一個裝熟獵頭的Email時就直接忽略他，想不到過幾天他又很有禮貌的寄信給我，問我有沒有收到他的信，他很期待我的回覆。內疚感作祟之下我就認真得看了職缺，結果發現這家公司還真的滿適合我的經驗！就此展開了後續的面試。</p><p>從這次經驗中我也學到了一件事情，如果你email被別人已(未?)讀不回，禮貌的再寄一封信提醒一下！出來工作大家只要保持專業，不需要有太多個人情緒。反正最糟糕的狀況不過是被再忽略一次而已 😜</p><h4>電話面試</h4><p>約好了時間後透過電話加上Hackerrank的共同編輯器面試，考了一題演算法的問題，並沒有太難但過程中發生一件有趣的事情：</p><p>在解釋完我的想法之後很快的寫完程式，但實際執行後出現了奇怪的bug(原因是我在字串裡面手滑多打了一個空白)，我跟面試官兩人研究了半天不知道為什麼 🤔 結果最後幾分鐘我靈光一閃竟然找出來了！面試官對此好像印象深刻 😅，隔天馬上就收到了on-site的通知了！</p><h4>On-site面試</h4><p>辦公室在一棟老舊建築裡，坐電梯上樓一開門就聽到有人在打乒乓球的聲音，工業風的開放式辦公室氣氛很活潑，HR的座位就在電梯口😂，完成一些手續之後給我一杯熱咖啡就帶我到會議室等面試。</p><p>面試總共有五輪，每輪都是45分鐘。前面三輪都是考基本的<a href="https://www.amazon.com/Cracking-Coding-Interview-Programming-Questions/dp/0984782850">演算法白板題</a>，結束前也都會預留時間給我問問題(所以面試前一定要多準備幾個關於公司/團隊/產品的問題)。第四輪是考系統設計，要我設計一個監測API是否健康的系統，雖然我回答得有點亂七八糟但對方還是很耐斯的引導我設計出了一個滿酷的系統！然後我們討論了一下這個系統的瓶頸在哪裡，之後規模變大該怎麼修改…等</p><p>讓我印象深刻的事情是這間公司有兩個面試官都考了我實戰會遇到的問題</p><blockquote>e.g. 給你一個特定格式且很多行文字檔 (e.g. Python log or Nginx log)，要怎麼知道裡面有多少行是 error?</blockquote><p>聽到問題時我以為他要我寫程式，但想了想後我說：是我的話我會用Bash指令來做這件事情，這時候我看見面試官露出了燦爛的笑容，看來這就是他要的答案！在我把指令拼湊出來後面試官還很開心的向我示範(炫耀)他可以用更短的指令做到一樣的事情 😅</p><p>以前在<a href="https://www.foundi.info/jobs/">foundi</a>工作的時候也常常會需要連進遠端機去查看server log來除錯，一開始只會用一些基本的 cat cut | grep find 等指令，或是複製到編輯器上面做一些簡單的文字操作，但在旁邊同事不厭其煩的教導之下總算是略懂了一些進階的工具 xargs, awk 等。</p><p>這種工作上的小技巧在學校或是在書本上也不會特別學到，工作上卻常常遇到。每次我需要使用這些指令的時候內心都會天人交戰，我到底該去stack overflow 複製貼上就好？還是該好好的讀文件把指令學起來呢？</p><blockquote>Always read more than you need</blockquote><p>好幾次想要偷懶跳過的時候坐在我旁邊的同事都會這樣提醒我，也就是因為過去每次一點點的堅持，今天面試時才回答得出來 😄</p><p>面試的最後一關是跟Hiring manager聊天，互相自我介紹之後他跟我分享了我加入之後可能會做的專案還有可能遇到的挑戰。結束前他跟我說同事們都覺得我不錯，問了我期望的薪資還有上班日期之後就跟我解釋了接下來的流程，說如果決定要錄取的話會再找一天請我來跟他們 CTO聊聊天認識一下，然後就會給Offer！</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CQ5034WluFNJ009uUejuRg.jpeg" /><figcaption>珍奶除了比較貴以外跟台灣的沒什麼不一樣</figcaption></figure><p>在結束了約四個小時的面試之後我買了一杯五塊美金 😆的珍奶犒賞自己，慶祝自己又完成了一個階段性任務。這家公司是我最後一家練習公司，回去之後繼續補強一些沒有表現好的地方(System Design, Behavioural Questions …等)，接下來面試的公司就不是可有可無了！</p><h4>S公司 後續</h4><p>面試完大約一個禮拜後收到HR寄來的 Email，希望跟我約時間去他們辦公室找CTO聊聊，但那個時候我已經滿確定我不會去他們公司了所以就回信婉拒了。讓我受寵若驚的是HR竟然超耐斯的說恭喜我面試很順利，然後告訴我說如果我隨時改變心意的話就跟她說，我們可以(假裝什麼事都沒發生)從現在這個階段繼續往下進行！</p><h4>本次面試心得</h4><ul><li>寄一封信沒用，你有寄兩封嗎？</li><li>Read more than you need!</li><li>灣區的HR都是很耐斯的</li></ul><p>To Be Continued…</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2f3a6b3dbaff" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[美國面試心得分享(一)]]></title>
            <link>https://hsinchengchao.medium.com/%E7%BE%8E%E5%9C%8B%E9%9D%A2%E8%A9%A6%E5%BF%83%E5%BE%97%E5%88%86%E4%BA%AB-%E4%B8%80-8c0e64e9b469?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/8c0e64e9b469</guid>
            <category><![CDATA[interview-tips]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Sun, 15 Apr 2018 05:24:03 GMT</pubDate>
            <atom:updated>2018-04-15T06:15:09.388Z</atom:updated>
            <content:encoded><![CDATA[<p>第一次面試</p><p>在一年多的規劃之下，很順利的在來灣區的第一個月就完成了六間公司的面試，度過了非常緊湊又刺激的一個月，因此我想趁記憶猶新的時候寫下面試經歷給有需要的人參考，也讓未來的自己回味。</p><p>面試的公司總共有六間：</p><ul><li>兩家灣區新創(Laserlike, Signalfx)，</li><li>兩家自動車公司(Cruise Automation, Drive.ai)，</li><li>兩家大型科技公司(Google, Amazon)</li></ul><p>我之後會照著這個順序寫，把面試一間公司的所學寫成一篇。</p><h4>公司 (Laserlike)</h4><p>位在山景城的一家小型新創公司，公司大小約二十人內，號稱估值有20B鎂。主要成員是由幾個資深(10~15年)工程師從Google跑出來創業，概念上就是一個美國人抄襲大陸人的&lt;<strong>今日頭條</strong>&gt; ，有興趣瞭解更多可以自行去看網站或是下載。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*sAkUyMUG0nrnweuxRYtvMw.jpeg" /><figcaption>不好意思亂拍公司裡面，只好偷偷排門口招牌</figcaption></figure><h4>接洽</h4><p>第一階段是透過在LinkedIn上認識的美國獵頭公司(<a href="https://www.skyrocketventures.com/">Skyrocket Adventure</a>)幫忙媒合，對方很認真地瞭詢問我的經歷和興趣之後陸續推薦了我幾家不錯的公司，其中Laserlike的團隊很吸引我，加上tech stack跟我的經歷很相符合，所以我就決定去試一試。</p><h4>OA</h4><p>和公司的HR通電話與公司互相了解，然後獲得了OA(線上程式測驗)的機會，公司直接使用<a href="https://www.hackerrank.com/">Hackerrank</a>考試，測驗本身並不算太難，通過測驗之後就跟HR約時間去山景城面試。</p><h4>On-site</h4><p>這是我第一次在美國真的On-site面試，所以把這間不是我最想要的公司排在最早當作練習。Laserlike辦公室在火車站附近，雖然空間不大但裝潢的很漂亮，工程師都配有升降桌之類高級的設備，整個氣氛跟我想像中的矽谷很像，很酷很有活力。</p><p>面試總共有兩輪，大約都是一小時。兩個面試官都是非常資深的工程師(如同前面所說 10~15年經驗前Google工程師)，人都非常的友善，簡單的自我介紹之後就開始寫白板題。面試的過程跟傳說中<a href="https://youtu.be/MyFxMpKn7yk">標準Google面試</a>方法很像，先從一個小的演算法題目出發然後不斷追問下去。例如有一個面試官從簡單的去除重複字串問題一路超展開到爬蟲系統設計/怎樣爬完整個網際網路/怎麼知道網頁有變動/偵測不同url內容是否相同…等各種問題。過程中討論的深度跟廣度讓我大開眼界。</p><p>一個有趣的發現是這間公司因為初始團隊技術都很強外加資金也算穩定，所以他們的錄取門檻似乎比G/F公司都還要高滿多的，畢竟灣區滿滿都是人才，他們寧可錯過大神也不要誤用菜瓜。這一點我覺得也凸顯出台灣網路創業的困境…在台灣有經驗的人願意離開大公司加入新創團隊的人已經很少了，新創公司資金又很吃緊，想要堅持不降低錄取門檻，又要遇到願意省吃儉用勒緊褲帶一起打拼的人實在是難上加難…</p><p>很慶幸的是自己過去兩年有機會在 <a href="https://www.foundi.info/jobs/">foundi</a> 這樣的團隊工作，老闆對於錄用工程師的門檻很高，又自己勒緊褲帶好讓員工過的還不錯，加上老闆又有G公司的多年功力可以傳授給我們，因此我在短短兩年多不但能接觸到公司前後端所使用的各種技術，還可以跟厲害的老闆同事學習分析/規劃事情的方法，兩年下來實在是進步很多。</p><p>不幸的是五年的經驗跟十五年的經驗還是有差，從面試過程中也可以感受到他們的功力深厚 😅，離開Laserlike之後幾個小時就收到對方HR來信說謝謝再聯絡。一邊檢討自己表現的同時也很驚訝於美國公司做決策的速度(也可能他們決定不用我其實只花了幾秒鐘 😂)，好在這也不是我心目中的第一志願所以就趕快收拾碎掉的玻璃心繼續準備幾天後的面試。</p><p>雖然難免有一點沮喪，但是是個很棒的經驗，算是初來美國面試的震撼教育，除了練習英文之外也讓我自己知道哪裡還需要加強。</p><p>To Be Continued…</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8c0e64e9b469" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Emilio Frazzoli 演講讀後心得(下)]]></title>
            <link>https://hsinchengchao.medium.com/emilio-frazzoli-%E6%BC%94%E8%AC%9B%E8%AE%80%E5%BE%8C%E5%BF%83%E5%BE%97-%E4%B8%8B-fd53b07098b0?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/fd53b07098b0</guid>
            <category><![CDATA[self-driving-cars]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Wed, 14 Mar 2018 04:33:46 GMT</pubDate>
            <atom:updated>2018-03-14T12:56:01.817Z</atom:updated>
            <content:encoded><![CDATA[<p>這是我觀看 Emilio Frazzoli演講的心得，<a href="https://medium.com/@hsinchengchao/emilio-frazzoli-%E6%BC%94%E8%AC%9B%E8%AE%80%E5%BE%8C%E5%BF%83%E5%BE%97-%E4%B8%8A-215eb02b7a76">前半部的心得</a>寫在<a href="https://medium.com/@hsinchengchao/emilio-frazzoli-%E6%BC%94%E8%AC%9B%E8%AE%80%E5%BE%8C%E5%BF%83%E5%BE%97-%E4%B8%8A-215eb02b7a76">這邊</a>有興趣的朋友可以參考，這一篇會著重在演講的下半部 — 自動車技術和道德上遇到的挑戰</p><p>附上演講的 Youtube 影片給有興趣的人參考：</p><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FdWSbItd0HEA%3Ffeature%3Doembed&amp;url=http%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DdWSbItd0HEA&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FdWSbItd0HEA%2Fhqdefault.jpg&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/701bae11ca52ae4968e2ffcacc0b976b/href">https://medium.com/media/701bae11ca52ae4968e2ffcacc0b976b/href</a></iframe><h3>自動車對未來人類工作的影響</h3><p>大量的自動車上路，司機恐失業？</p><p>關於自動車大家最常討論的議題就是職業駕駛將被取代(大家突然都很擔心計程車司機的權益 😅）但講者表示事實與大家的直覺相反，目前整個交通產業(Mobility)的市場人力資源非常短缺，新加坡有一大堆公車招不到司機;如果全世界的人都想要改採用Uber來做日常通勤的話，平均每七個人就有一個人要全職開車（平均每人一天話費 1/7的時間2~3個小時在專心開車 ）自動車技術引進之後這些人還是會失業或是超級低薪，但是講者認為新的工作機會會以其他加值服務的形式出現（e.g. 輪椅助手，車上餐飲…等）。</p><h3>自動車技術面臨的挑戰</h3><p>其實在1995年德國人就已經能夠用電腦視覺在高速公路上行駛<a href="https://youtu.be/dWSbItd0HEA?t=36m3s">好幾百哩了</a>，當時並沒有跟像現在一樣好的 Lidar, GPU … 等。因此講者認為光是高速公路的輔助駕駛系統並沒有太大的技術突破，<a href="https://www.youtube.com/watch?v=iP_lAjIfZwU">複雜的都會區(行人，摩托車，違規停車…）</a>才是技術上最困難的地方。</p><p>一般來說自動車的技術有三大重點：</p><ol><li>環境感知(Sensing)：更好更便宜的Lidar/Radar/GPS 和運算能力or演算法</li><li>定位(Mapping)：建立4D高清地圖，SLAM</li><li>決策(Planning)：在不同的情境下(高速公路，停車場，十字路口)車子該如何駕駛</li></ol><p>然而講者認為感知和定位這兩個項目遇到的挑戰，隨著各項軟硬體的成熟都能夠一步步地被解決。但決策卻是其中最困難的一個，因為其實連我們人類自己都不太確定該怎麼做。</p><h4>自動車的決策</h4><p>或許大家也有在路上遇到路人迎面走來，想閃開卻又兩個人剛好都往同一個地方閃過去的尷尬狀況，如果這樣的事情發生在開車時後果將會不堪設想。目前業界也嘗試過幾種方法：</p><ol><li>程式邏輯 / 狀態機：工程師們用 if than else 跟狀態機模擬人類的決策，但講者表示道路上可能遇到的情況實在太多種了，過去的經驗是很快程式碼就會變得又臭又長很難除錯。</li><li>深度學習(End-to-End Deep Learning)：Nvidia等公司嘗試用大量的資料和深度學習來讓電腦自己學會開車，<a href="https://medium.com/@hsinchengchao/%E8%87%AA%E9%A7%95%E8%BB%8A%E5%AD%B8%E7%BF%92%E4%B9%8B%E8%B7%AF-%E3%84%A7-414679336669">詳細實作可以參考我之前上課的分享</a>。但講者認為我們還是需要一套可以解釋的方法，而且有太多不同的天氣狀況和不正確的資料可能導致深度學習出錯(很可能會學習到錯誤的人類行為 e.g 搶黃燈)</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/700/1*C8ofoNAhUiSD8xZUjelM8g.jpeg" /><figcaption>一個嘲笑自動車的漫畫 (警察和駕駛都不知道為什麼違規)</figcaption></figure><h4>NP Hard</h4><p>雖然道路上遇到的狀況有千萬種，人類卻可以簡單透過記住一本交通規則來應付所有遇到的情況。同樣的情形電腦卻得要花上很長很長的時間去計算每一條可能路徑，不過如果給電腦一條已經規劃好的路境電腦卻可以很快的評估出一條路徑的好壞。這種可以快速評斷路徑的好壞卻很難找出最佳答案的問題在電腦科學上被稱為 NP Hardness，然而利用這種特性我們可以隨機產出一些比較有可能的路徑然後透過計算Cost function在有限的時間裡面選出最好的路徑！詳細內容可以參考<a href="https://medium.com/@hsinchengchao/%E8%87%AA%E9%A7%95%E8%BB%8A%E4%B9%8B%E8%B7%AF-path-plaining-c55abeec0be">之前Udacity的課程的作業</a>。</p><h4>違反交通規則</h4><p>交通規則是人們發明來解決道路上使用的糾紛，讓大家減少行車時的溝通。然而在一些特殊的情況下我們還是必須要讓自動車有足夠的能力去違反交通規則(e.g 遇到路必須逆向行駛閃避or為了避免撞車而開出道路)。因此除了交通規則之外，自動車還得具備違反交通規則的能力。因此就有類似出電影還有漫畫裡面常出現的<a href="https://en.wikipedia.org/wiki/Three_Laws_of_Robotics">機器人三大定律</a>來定義不同交通規則的重要性：</p><blockquote>避免車禍/傷人 &gt; 一定要開在路上 &gt; 不能超速 &gt; 要開在車道中間</blockquote><p>寫到這邊相信很多人都有預感接下來要超展開啦！</p><p>不是所有的交通規則都是合理的（至少對電腦來說 ），例如下面一條意味不明的瑞士的交通規則轉換成程式邏輯就會有潛在的的問題…</p><blockquote>所有的用路人都不得危害其他遵守交通規則的用路人的生命安全</blockquote><p>言下之意是不是在說遇到不守規矩的人就可以撞他呢？</p><h4>電車難題 (Trolley problems)</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-wFCCblcYJXtl49qh5rcpg.png" /></figure><p>因此就出現了最著名的電車難題，各位看官可以試著快速的回答下面的幾個問題（要撞哪一個）：</p><p>今天自動車高速行駛在路上，突然發現前方路中央出現五個人右邊路旁站了一個人</p><ol><li>直直走會撞死五個人，往右邊閃只會撞死一個人(一定要選一個)。</li><li>如果前面那五個人是違規穿越的路人，右邊是遵守交通規則的路人。</li><li>如果那撞五個人的死亡率都是10% ，撞右邊那個人的致死率是90%。</li><li>車子只有30%的信心那前面五個東西是人，但80%確定右邊是真人呢？</li></ol><p>這些（有趣？）的問題都很難有一個標準答案，MIT甚至有<a href="http://moralmachine.mit.edu/">做一個網站來</a>給大家練習 😅 說實在的我們自己也不知道該怎麼作答，又要用怎樣的標準去要求自動車呢？</p><h3>結論</h3><p>看完一整個演講我自己覺得獲得了很多新的觀點同時也開始思考自動車對社會造成的影響以及這些道德上造成的難題。自動車依然算是一個很新的產業而大家都還不確定該怎麼做，因此也需要更多的人來一起思考我們想要一個怎麼樣未來。</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fd53b07098b0" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Emilio Frazzoli 演講讀後心得(上)]]></title>
            <link>https://hsinchengchao.medium.com/emilio-frazzoli-%E6%BC%94%E8%AC%9B%E8%AE%80%E5%BE%8C%E5%BF%83%E5%BE%97-%E4%B8%8A-215eb02b7a76?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/215eb02b7a76</guid>
            <category><![CDATA[self-driving-cars]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Mon, 12 Mar 2018 13:18:52 GMT</pubDate>
            <atom:updated>2018-03-14T04:34:25.792Z</atom:updated>
            <content:encoded><![CDATA[<p>不同自動車之間的策略有何不同？</p><p>這篇筆記是我在看完 <a href="https://www.nutonomy.com/">nuTonomy</a> CTO Emilio Frazzoli 在<a href="https://youtu.be/dWSbItd0HEA"> MIT 的演講之後</a>的心得，內容主要有幾大重點：</p><ol><li>為什麼我們需要自動車</li><li>自動車目前的發展狀況</li><li>自動車對未來人類工作的影響</li><li>自動車目前最大的挑戰</li></ol><p>本篇文章就是我根據這個脈絡做簡單的重點整理。</p><h4>講者介紹</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/639/1*TQfIjKToMabOhxGQtLO_HA.jpeg" /><figcaption>Image from MIT News</figcaption></figure><p>講者Emillio Frazzoli是自動車公司<a href="https://www.nutonomy.com/">nuTonomy</a>的CTO，nuTonomy是一家2103年從MIT跑出來的新創公司，2016年八月開始在新加坡推出了自駕計程車的服務。</p><h3>為什麼我們需要自動車？</h3><ol><li>安全：美國每年因為車禍過世的人數相當於每天有一架滿載的747墜毀，自動車之父<a href="https://www.ted.com/talks/sebastian_thrun_google_s_driverless_car">Sebastian Thrun</a>曾在TED Talk上說到他的因為好友車禍過世才激勵他努力推動自動車技術的發展。</li><li>省下開車的時間：不用專心開車之後，我們可以在車上自在的吃東西，聊天，休息，辦公… 未來我們可以更有效的利用通勤的時間，讓生活輕鬆。</li><li>移動的能力：行動不便的人或是老人小孩在有人在有了自動車之後，就能夠更輕易的去想去的地方，不再需要依賴他人。</li><li>改善交通：共乘自動車可以減少大家買車的需求，車子把人放下來之後就自動開走，都會區不再需要那麼多停車位，路上也不再那麼擁擠。</li><li>節省能源：因為電動車和自動車帶來更有效率的交通模式，減少能源消耗與碳排放，也不會有那麼多空計程車在路上跑。</li></ol><p>但是實際上究竟能對人類社會帶來多大的影響呢？</p><h4>自動車產業造成的經濟效益</h4><p>演講中表示，按照每年預估造成的成本(損失)或是潛在的獲益由小到大排序如下：</p><ol><li>交通壅塞($150B)：交通壅塞造成的社會成本($100B)和衍生的健康問題的醫療成本($50)。</li><li>交通安全 ($821B)：交通事故造成的經濟($227B)和社會($592B)損失，（一條人命~=$9.1M)</li><li>增加生產力($1.2T)：因為忙著開車而損失的生產力對應的經濟價值，這些時間本來可以拿來休息，吃東西，上班…。</li><li>真正的共乘($1.8T)：共乘服務的潛在市場價值。</li></ol><figure><img alt="" src="https://cdn-images-1.medium.com/max/640/1*xXXJBF99nxabc-pUzr25lg.png" /><figcaption>圖片來自Emilio Frazzoli的投影片</figcaption></figure><p>因此雖然自動車有很多偉大的遠景（交通安全，節省碳排放）但實質上最有經濟價值的地方是 - <strong><em>節省人類自己開車的時間</em></strong>。</p><h3>自動車產業目前的發展狀況</h3><p>根據美國 SAE的分類，自動駕駛依照自動的程度總共分為0~5共六個等級，而講者認為其中最具爭議的部分是 Level 2和 Level 3，因為駕駛在使用這兩種等級的自動車要求駕駛必須隨時接手緊急狀況，可說是<strong>車不是你開的但出事你卻要自己負責</strong>，例如特斯拉的好幾次<a href="http://www.bbc.com/news/technology-42801772">發生車禍</a>技術上都是駕駛自己的責任。</p><p>因此講者認為，要真的讓自動車產生重大的經濟效益（真正的共乘&amp;增加生產力）必須要達到Level4的自動才行。</p><blockquote>Level4: 在特定的場域/時間下，汽車可以完全不需要任何人類的介入</blockquote><h4>不同公司的產品手段</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/988/1*FkvqunAQCqJLbKJF9CISEg.png" /><figcaption>Emillo Frazzoli (Path to Level 4)</figcaption></figure><p>上面的圖表可說是本演講的最精華，Waymo / Uber / nuTonomy等公司所採取的方法是先研發出Level 4等級的自動駕駛，再來增加車隊的數量 ;而汽車公司(Tesla/Benz/Mobile Eye)採用的方法是先從ADAS系統開始，利用現有大量的汽車累積經驗和資料再來慢慢發展至Level 4。兩種方法各有優缺點，比較如下：</p><h4>資料的收集：</h4><p>這部分講者沒有提到，但是目前來說汽車製造商(Tesla, Benz)的市佔率明顯遠遠超過自動車技術為主的自動車公司(Waymo, nuTonomy)因此他們在資料收集和經驗的累積上面也有比較大的優勢。</p><h4>尷尬的 Level 2, Level 3</h4><p>講者認為他們公司(nuTonomy)的這種模式不必經過Level 2, 3的那段尷尬時期，因此比較不會有造成像Tesla這種比較慘重的傷亡。但缺點就是Level 4當然比Level 2, 3 難以達到，因此等到 nuTonomy等公司好不容易熬出頭時，特斯拉這種自動駕駛系統早就已經在街上趴趴走了。</p><h4>產品 vs 服務</h4><p>nuTonomy等公司採用的方法是 Mass (Mobility as a service) ，簡單來說就是叫車服務;而特斯拉等公司採用的模式是一台一台賣車的模式。講者認為叫車服務的策略在許多方面都優於賣車模式，原因如下</p><ul><li>自動車需要高精度的地圖來做定位，然而這種地圖目前很難大量取得。叫車服務可以只限定在較小的區塊(e.g. <a href="https://waymo.com/apply/">鳳凰城</a>)但車廠卻很難只賣車子到某個小國家。其實不只地圖，法規也常因地而異而導致買了車卻<a href="http://www.setn.com/News.aspx?NewsID=247433">無法使用自動駕駛的功能</a>。</li><li>邊際效益：自動車的許多硬體(e.g. Lidar)目前非常的昂貴，因此如果不能有效的回收成本就只能把它反映到車子的售價上。想像你買了一台三百萬的車子，要把它升級成自動車你可能還要再加一百萬才行… 但是對於在路上跑的叫車服務來說，比起花錢請司機Lidar並不算太貴。而且自動車的駕駛技術比人好，又可以大量跟保險公司購買，因此保險的費用也會相對的低。</li><li>基礎設施：如同前面說的，若想要建立高解析度的HD地圖或是後端伺服器，都需要一次花很多的錢搞定全球每個市場，但是叫車服務卻可以根據擴張得速度一步步的慢慢建置地圖。另外講者認為隨著在路上跑的車輛越來越多，HD地圖的成本在未來將會變得非常低。</li><li>維修保養：過去修車技術相對較低，可以自己修理或是送到修車廠。但是隨著技術越來越複雜，維修自動車將會變得相當困難。但叫車服務卻可以更簡單的統一保養&amp;維修。</li></ul><h4>小結</h4><p>到目前為止的演講都著重在自動車經濟和每個公司們各自的佈局策略和背後的原因。我自己覺得很有趣也很期待他們各自未來的發展，而演講的下半會更著重在一些技術和道德上遇到的挑戰。我打算分成<a href="https://medium.com/@hsinchengchao/emilio-frazzoli-%E6%BC%94%E8%AC%9B%E8%AE%80%E5%BE%8C%E5%BF%83%E5%BE%97-%E4%B8%8B-fd53b07098b0">另外一集</a>來寫…先這樣 😅</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=215eb02b7a76" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[為什麼要用 Numpy？]]></title>
            <link>https://hsinchengchao.medium.com/%E7%82%BA%E4%BB%80%E9%BA%BC%E8%A6%81%E7%94%A8-numpy-c829e0049977?source=rss-bf0511a2e323------2</link>
            <guid isPermaLink="false">https://medium.com/p/c829e0049977</guid>
            <category><![CDATA[coursera]]></category>
            <category><![CDATA[numpy]]></category>
            <dc:creator><![CDATA[Hsin-Cheng Chao]]></dc:creator>
            <pubDate>Sun, 31 Dec 2017 05:37:57 GMT</pubDate>
            <atom:updated>2017-12-31T05:43:13.353Z</atom:updated>
            <content:encoded><![CDATA[<h4>只用Python不好嗎?</h4><h4>前言</h4><p>這是我學習 Deep Learning Specialization 系列課程的心得筆記，其他相關的心得我會陸續整理在 <a href="https://medium.com/@hsinchengchao/deep-learning-specialization-1a2964749557">學習深度學習的課堂筆記</a> 底下</p><h4>正文</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/800/1*L0yNfRdiH8DfYuiJTKPxww.png" /><figcaption>Data scientist 常用的工具組合</figcaption></figure><p>在開始學習Machine Learning 之前我就是一個Python的重度使用者，開始學習ML之後我才接觸到Jupyter notebook跟Numpy這兩項工具。一開始有些不習慣，但久了之後覺得這個組合實在是非常方便。不過有一個問題一直令我非常不理解…</p><blockquote>為什麼做資料分析的人都不喜歡寫 for loop?</blockquote><p>Numpy在做數學(向量，矩陣)運算上提供了非常多方便的語法，例如向量的內積，如果要自己用for loop來做會很麻煩：</p><pre>VEC_LENGTH = 100000<br>w = np.random.rand(VEC_LENGTH)<br>x = np.random.rand(VEC_LENGTH)</pre><pre># for loop<br>c = 0<br>for i in range(VEC_LENGTH):<br>    c += w[i] * x[i]</pre><pre># numpy<br>import numpy as np<br>c = np.dot(w, x)</pre><p>numpy版本是不是簡單又清楚呢？除了向量內積以外，許多常用的運算也有很好的支援，例如矩陣乘法</p><pre>A = np.array([<br>        [1, 2, 3],<br>        [2, 3, 4],<br>    ])</pre><pre>B = np.array([<br>        [2],<br>        [0],<br>    ])</pre><pre>A * B<br># array([[2 4 6], [0 0 0]])</pre><p>或是對矩陣內的每一個項目進行操作</p><pre>A = np.array([1, 2, 3])<br>A ** 2<br># array([1, 4, 9])</pre><p>但除了這些 API簡單好用之外，使用Numpy跟自己寫的for loop有一個最關鍵的差別，那就是執行的效能！！我在Jupyter notebook上面做了簡單的實驗，結果如下：</p><pre>VEC_LENGTH = 100000<br>w = np.random.rand(VEC_LENGTH)<br>x = np.random.rand(VEC_LENGTH)<br><br>tic = time.time()<br>c = 0<br><strong>for</strong> i <strong>in</strong> range(VEC_LENGTH):<br>    c += w[i] * x[i]<br>toc = time.time()<br><strong>print</strong>(&#39;For loop took: <strong>%s</strong> ms&#39; % str(1000 * (toc - tic)))</pre><pre># &gt;&gt; For loop took: 124.56703186 ms</pre><pre>tic = time.time()<br>c = np.dot(w, x)<br>toc = time.time()<br><strong>print</strong>(&#39;Vectorized dot took: <strong>%s</strong> ms&#39; % str(1000 * (toc - tic)))</pre><pre># &gt;&gt; Vectorized dot took: 0.262975692749 ms</pre><p>124.5670 ms vs 0.2529ms ！！快要五百倍的速度提升，五百倍！！這樣的速度提升在其他Numpy API 也都有類似的情形（可以參考<a href="https://github.com/olala7846/coursera_dl_course/blob/master/profile_numpy_vectorized.ipynb">這個Notebook</a>）。</p><p>這揪～竟～是為什麼呢？？</p><p>原來Numpy除了幫我們把結果正確算出來之外，會透過硬體裝置(GPU or CPU)來進行加速運算。因此當我們把原本要交給同一個CPU的運算改成透過GPU上面好多個運算單元來同時進行就可以達到這樣的效果了 💪 💪</p><p>另外值得一提的是就算電腦沒有安裝GPU，Numpy 還是可以透過<a href="https://en.wikipedia.org/wiki/SIMD">SIMD</a> (Single Instruction, Multiple Data) 這種CPU內建的機制來達成加速，因此不論如何使用Numpy就是比自己寫 for loop快上許多。</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/308/1*BVatIirp3VCHLmV5je_czw.jpeg" /><figcaption>電競GPU都長得超帥的 😅</figcaption></figure><h4>結論</h4><p>對於認真想把是資料處理當飯吃的人來說，五百倍的加速是跑一小時得到結果跟一個月的差別… 如果沒有特別注意很容易就不小心在程式碼裡面寫了低效能的Code而不自知 🙁 所以要非常小心。</p><p>最簡單無腦的原則就是：</p><blockquote>除非萬不得已，不然不要用 for loop來做資料處理。</blockquote><p>以上就是這部分的心得。謝謝您閱讀到最後。想看更多我上課的心得可以參考我<a href="https://medium.com/@hsinchengchao/deep-learning-specialization-1a2964749557">學習深度學習的課堂筆記</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c829e0049977" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>