Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Coding Is Magic

Mosky Liu
October 26, 2016

Coding Is Magic

**寫程式是一種魔法:解決問題的魔法**

寫程式是一種解決問題的方法,也是能夠輕鬆規模化的方法。在 2012 年 Instagram 被 Facebook 用 10 億美元收購時,含創辦人只有 13 位員工 [1],這就是如魔法一般的程式槓桿,用少少的程式碼換取巨大的效果。學會或僅僅是了解程式,都有助於提升你解決問題的能力或想像力,這場演講將具體分享程式是怎麼樣的一門魔法:

1. 來施展一些簡單的魔法:三十秒寫一個網站、微分(符號運算)、假設檢定、迴歸分析、機器學習。
2. 屬於我的問題:講者在真實世界所遇到的問題、如何更抽象地看待程式能力(運算思維)、以及與程式搭配的其他能力。
3. 屬於你的問題:講者會指引如何找到屬於聽眾自己的問題。
4. 學習資源:包含推薦的 Python 書籍、教學網站,大學線上基礎學科、機器學習、深度學習等學習資源。

演講中的完整範例與程式碼可以在 GitHub [2] 與講者的其他演講或課程中找到。

[1]: https://www.bnext.com.tw/article/27726/BN-ARTICLE-27726
[2]: https://github.com/moskytw/coding-is-magic

Mosky Liu

October 26, 2016
Tweet

More Decks by Mosky Liu

Other Decks in Education

Transcript

  1. • 2011
 問題:好設計只能逛市集 • 2015
 ⼯工程部⾨門⼈人數 9 ⼈人
 紅杉資本投資 900

    萬美⾦金金 • 2020
 會員 > 320 萬 • 使⽤用 Python
 提供伺服器端服務 Pinkoi
  2. • 2010 
 創立:以照片連結⼈人群 • 2012 
 員⼯工 13 ⼈人


    Facebook 10 億美⾦金金收購 • 2020
 ⽉月均使⽤用者 > 10 億 • 使⽤用 Python 
 提供伺服器端服務 Instagram
  3. Uber • 2009
 創立:充分利利⽤用閒置運量量 • 2015
 微軟等投資 10 億美⾦金金 •

    2020
 ⽉月均使⽤用者 > 1000 億 • → Uber Eats • 使⽤用 Python 
 提供伺服器端服務
  4. • 1997
 問題:還片很⿇麻煩 • 2019
 訂閱⼈人數 > 1.5 億 •

    2017
 營收 100 億美⾦金金 • 「推薦系統每年年為
 我們節省 10 億美⾦金金」 • 推薦系統-Python Netflix
  5. • Backend Lead at Pinkoi. • Has spoken at: PyCons

    in 
 TW, MY, KR, JP, SG, HK,
 COSCUPs, and TEDx, etc. • Countless hours 
 on teaching Python. • Own the Python packages: ZIPCodeTW, etc. • http://mosky.tw/ Mosky
  6. • The “80-20 rule”. • States “80% of the wealth

    of a society is held by 
 20% of its population.” • ↖ PDF f.
 Probability Density Function • ← CDF F.
 Cumulative Distribution Function • F' = f Pareto Distribution
  7. Non-poor Poor Uplift P-value Times 0.64 1.52 +138% < 0.001

    *** #1 Prop. 30% 66% +120% < 0.001 *** #2 Farming-like White-colloar Uplift P-value Times 0.72 0.76 +6% 0.698 ns #3 Prop. 29% 35% +21% 0.004 ** #4
  8. #4 Chi-squared test ➤ Preprocess: ➤ Add “affairs > 0”

    as true. ➤ Select the two occupations. ➤ Group by the occupations. ➤ Describe. ➤ Test: ➤ Assume the affair proportions are equal, the probability to observe it: 0.4%. ➤ So, we accept the proportions are not equal at 1% significance level: ➤ Farming-like: 29% ➤ White-colloar: 35%
  9. df = df_fair_4 df = (df .groupby(['occupation', 'affairs_yn']) [['affairs']] .count()

    .unstack() .droplevel(axis=1, level=0)) df_pct = df.apply(axis=1, func=lambda r: r/r.sum()) display(df, df_pct) print('p-value:', sp.stats.chi2_contingency( df, correction=False )[1])
  10. Coef & Confidence Intervals ➤ “The rate_marriage and affairs have

    a negative relationship, the strength is -0.41, and 95% confidence interval is [-0.46, -0.35].”
  11. df = df_fair (smf .ols('affairs ~ rate_marriage', df) .fit() .summary())

    df_fair_sample = df_fair.sample( frac=0.1, random_state=20190425 ) df = df_fair_sample sns.regplot(data=df, x='rate_marriage', y='affairs', x_jitter=1/2, y_jitter=20/2)
  12. X_train, X_test, y_train, y_test = model_selection.train_test_split( X, y, test_size=0.4 )

    m = svm.LinearSVC() m.fit(X_train, y_train) y_test_hat = m.predict(X_test)
  13. • 每個程式語⾔言都有⾃自⼰己擅長的領域 • Python 守備範圍特別廣: • 硬體控制 • 桌⾯面程式開發 •

    伺服器端程式開發(網站後端) • 資料分析、資料⼯工程、資料科學 • ⽤用 Python 是壞主意或甚⾄至不能⽤用: • 網⾴頁程式開發(網站前端)、app 程式開發
  14. Mosky 系列列 • Python
 https://speakerdeck.com/mosky/practicing-python-3 • Data Science
 https://speakerdeck.com/mosky/data-science-with-python •

    Hypothesis Testing
 https://speakerdeck.com/mosky/hypothesis-testing-with-python • Statistical Regression
 https://speakerdeck.com/mosky/statistical-regression-with- python
  15. Django Girls 系列列 • ⽤用 Python 寫網站 • Django Girls

    Tutorial • https://tutorial.djangogirls.org • 台北版(中⽂文版) • https://djangogirlstaipei.gitbooks.io
  16. 政⼤大、清⼤大、交⼤大基礎學科系列列 • 政⼤大 Python 蔡炎龍 • 清⼤大 統計學 鄭少為 •

    交⼤大 線性代數 巫⽊木誠 搜尋關鍵字就有影片、簡報和講義
  17. Stanford 機器學習、深度學習系列列 • Stanford CS229 
 Machine Learning
 OR 


    Pedro Domingos's 
 Machine Learning • Stanford CS231n
 Convolutional Neural Networks for Visual Recognition • Stanford CS224n
 Natural Language Processing with Deep Learning
  18. Photo Credits • Gandalf • http://freedomleadershipconference.org/house-should-defund-obamacare-tell-balrog-obama-you-shall-not-pass/ • Harry Potter •

    http://www.billboard.com/articles/news/469253/whats-on-harry-potters-ipod • Roy Mustang • http://matome.naver.jp/odai/2133472377582406101/2133472419282442003 • Uber • https://www.flickr.com/photos/senatormarkwarner/19588717540 • Instagram • https://www.goodfreephotos.com/business-and-technology/tablet-with-instagram.jpg.php • Disney • http://apoormanhasabigdream.blogspot.com/2016/05/zootopia.html • Netflix • https://pixabay.com/en/netflix-remote-control-electronic-2705725/ • Money • https://commons.wikimedia.org/wiki/File:Forex_Money_for_Exchange_in_Currency_Bank.jpg • The Chicken & The Egg Dilemma by ruben alexander • https://www.flickr.com/photos/the-wanderers-eye/4494147652 • Mama by Peggy Marco • https://pixabay.com/zh/%E5%A6%88%E5%A6%88-%E5%AD%A9%E5%AD%90-%E5%AE%89%E5%85%A8- %E6%AF%8D%E4%BA%B2-%E5%A6%88%E5%A6%88%E5%92%8C%E5%AD%A9%E5%AD%90- %E6%AD%A5%E8%A1%8C-1592422/ • Group Photo at HITCON 2016 by Fu-Hsuan Ju • https://www.facebook.com/photo.php?fbid=10207200076382238&set=t.1287160323&type=3&theater