關於 線性規劃代數法 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#資料科學家必學的機器學習先修課
#早鳥8折倒數2週

❓ 除了會寫程式，演算法背後的數學基礎你理解了嗎？
就像蓋一棟房子，地基要扎實房子才會穩，在資料科學領域中，學習數學與統計就像打地基，當地基不穩時，房子就會容易垮，唯有掌握數學與統計基礎觀念，你的機器學習才會穩。

🏆 一次打好統計數學6基礎
課程內容包含54個單元(33個課程影片+21個自我測驗)，共5.8小時課程，內容深入淺出搭配經典案例與圖表說明，從高中數學基礎開始複習，並帶你延伸到機器學習中的實際運用與實作，讓初學者補上斷層，輕鬆理解機器學習的應用與概念。

📌 強化機器學習基本功
✔ 向量、矩陣和張量實作
✔ 範數與特徵分解實作
✔ 梯度視覺化實作
✔ 機率分佈視覺化實作
✔ 協方差矩陣計算實作
✔ 假設檢定實作（A/B Test）
✔ 運用數學基礎進行機器學習實作
✔ 運用數學基礎進行深度學習實作

❤️ 免費試閱專區：
🔑 課程規劃與範疇：https://www.tibame.com/course/1972/mission/31433

🔑 基礎幾何
https://www.tibame.com/course/1972/mission/30699

🔑 梯度視覺化實作
https://www.tibame.com/course/1972/mission/30711

📢 早鳥課程連結：
👉 https://bit.ly/3gLrEjh

【職涯成長的認知與突破】
　　
　　工作生涯的成長過程，與一個人的求學過程頗有相似之處。求學過程中，必須從小培養良好的讀書習慣與方法，並且打好基礎，就像小學的加減乘除、中學的代數，到大學的微積分，循序漸進地學習更高深的知識，如果基礎沒打好，將無法順利升學。職涯成長過程亦雷同，工作能力的成長與職位的提升均有一定的條件。
　　
　　職涯成長的特性，在於職位的提升或能力的增長並非與時間成直線性關係，而是呈現Ｓ型曲線。一名剛從學校畢業、進入社會工作的年輕人，在一家公司中從基層做起，針對其初接觸的工作內容，從完全不懂到瞭解，接著熟悉工作內容而進入狀況，此時尚不足以構成在工作職位上升級的條件，必須在熟練之後，進一步對工作內容的本質與意義有更深入、全面的瞭解，達到精通的程度，亦即對工作項目並非個別、單一地瞭解，而是通盤的掌握與貫通，其能力才得以明顯升級，並反映在工作職位上的提升，擔任基層主管。這段能力升級的過程，通常需要二至四年的時間。
　　
　　升任為基層主管之後，必須統籌整個單位的資源，開始接觸到領導與管理的工作性質。針對此一新的範疇，又必須重新學習，從不懂到瞭解，進而熟悉、運用自如，待達到貫通的程度，其能力才又再一次地升級，這個階段需要的時間較長，通常約三至六年不等，視個人資質條件不同而有差異。隨後，每個階段升級之後，又會加入新的工作範疇，而必須重複同樣的過程。
　　
　　值得注意的是，針對工作內容當中的新領域，從開始學習到熟悉運作的過程中，個人能力的提升幅度相當有限，反映在成長曲線上甚至幾近水平，唯有在運作熟練之後，進一步達到靈活運用，並且能夠融會貫通，能力方能明顯提升，達到升級的條件。如果對工作內容僅僅止於熟練的程度而不能精通，則工作上稍遇變化，往往就不知所措，自然不足以擔任主管，這是一般人在第一階段最難突破的瓶頸。許多組織中常見所謂的「萬年科員」，便是如此而產生。
　　
　　由於每個人的條件與素質不同，因此並非人人都能循著理想的途徑逐步向上攀升，而停留在不同的層級。不過，透過正確的方法，還是可以使人突破限制，提升到更高的層級。一個組織能否營造出良好的成長環境，關鍵便在於是否能善用各種方法輔導員工，使其突破限制，達到更高的境界。
　　
　　每個人都希望在工作生涯當中不斷地學習、成長，俾使能力與職位有所提升，但往往會被許多無形的事物所羈絆，而本身卻不自覺。因此，主管在輔導部屬時，必須先助其發覺這些限制並加以去除，也就是說，輔導同仁並非只是告訴他一件事該如何做，而是要告訴他本身該去除的障礙為何。這些障礙往往便是阻礙一個人從熟練工作內容之後，進而達到精通程度的阻力。
　　
　　阻礙一個人往更高層級提升的因素，最常見的有兩種。首先是升上一個層次之後，一般人會希望獎賞自己，產生了休息的念頭，失去繼續學習成長的動力；或是到了高層之後，逐漸感到心滿意足，因而停止了學習。這屬於認知與持續力方面的問題。
　　
　　另一個問題是基礎不夠紮實。組織當中，任何一個職位都不過是名稱而已，真正的重點在於坐上這個職位的人能否勝任，不能勝任的原因往往出在對基層工作的掌握不紮實、不精通，因而無法領導部屬。然而，當上主管之後，由於工作性質改變，已無法回頭去重新練習基層工作，結果不僅無法在能力與職位上繼續提升，反因不適任而被撤換。因此，職涯的成長過程，並非反映在有形的頭銜，而是實質的能力，且唯有實力夠紮實，才能針對工作上被賦予的新功能進行有效的學習。
　　
　　職涯成長曲線還有另一特點，就是越往更高的層級，水平階段持續的時間越長，從基層主管升上中級主管之後，往往需要長達五至十年的工夫，能力才能達到另一次的升級，而產生足夠的條件升任為高階主管。組織當中除了有「萬年科員」之外，還會有「中年危機」，便是不能認知此項特點所導致。中級主管擔任多年卻無法升職，而在中年時期衍生出許多想法，很可能認為公司不給他機會而另謀出路。對於這種人，高階主管應先瞭解其實力夠不夠紮實，以及是否用對了方法、努力程度夠不夠、資質程度如何等因素，藉各種條件評估其是否足以升職，如果答案是否定的，則此人就算換了工作環境，擁有更高的頭銜，但能力水平還是一樣，而更高的頭銜不過是虛假的表象，其限制還是存在。因此，職涯成長到越高的階段，越需要具備耐心。
　　
　　一般而言，職涯的第一個十年通常是接受各種歷練的階段，第二個十年則是藉由先前打下的基礎，加以應用發揮，同時獨立性逐漸提高。約莫經過廿年之後，一個人才能累積足夠的能量、能力與經驗，得以獨當一面。縱使一個人的資質極佳，學習速度較快，這段時間也無法壓縮得太短，因為人的成長並非僅是知識的獲取，還包括了心智的成熟與人生經驗的累積，而這些都需要足夠的時間。
　　
　　到了中、高階層之後，如何突破職涯成長上的瓶頸？聯強透過月報制度，訓練每一位員工整理分析的能力，越到組織高層，統籌的範圍越大、得到訊息的頻度與廣度提升，相對地，花在例行性事務的時間越少，用於思考的時間則越多。此時，如何透過深度的思考以掌握各種現象的根源與共通性，是能否突破的關鍵。
　　
　　在思考時，必須掌握住中立性的原則。人的思維與決策往往會產生偏離的情形，原因大多出在私心摻雜其間，例如業務部門與產品規劃部門之間，基於立場與角度的不同，免不了產生許多衝突，此時若將雙方的職位對調，其針對同一件事情的立場很可能與先前南轅北轍。因此，要突破職涯成長上的限制，必須要有中立的思考、客觀持衡的思維，也就是要有開放的心胸，才能接收到各種不同面向的訊息，進而達到融會貫通的境界。
　　
　　到了組織的高層，有時會面臨到有些問題無法從既有的習慣與經驗當中，找出有效的解決方法，此時表示憑藉工作內的經驗已有所不足，而必須運用到異業知識。例如，聯強早期物流中心的運作常有出貨錯誤的情形，為了減少其帶來的損失，而努力提升運作的品質，即便如此，仍因有些情形是肇因於客戶方面的問題，產生假性的出貨短少所致，此問題便超出既有的運作經驗。後來想到以錄影來紀錄出貨過程，並且掌握到相關基本動作的要求，俾使錄影存證能有效發揮作用，此一訣竅便是從拉斯維加斯的賭場管理方式中學來。
　　
　　越到組織的高層，越要有能力運用各種既有運作以外的方法來解決問題。要獲得這些方法，就得在日常工作、生活當中，只要有機會遇到這些方法在其他領域被應用，便加以瞭解。這些知識可能存放在心中多年，但一旦遇到相關的問題，便會派上用場。
　　
　　
#連結閱讀：
　　
1. 改變，是一種經驗，是一種能力
https://www.facebook.com/SYNNEXTU/posts/752665621597171:0
　　
2. 與時俱進，否則就有被淘汰的風險https://www.facebook.com/SYNNEXTU/posts/746282195568847:0
　　
3. 能力是從面對問題中淬鍊出來的
https://www.facebook.com/SYNNEXTU/posts/743389989191401:0
　　
◎聯強國際為全球營收規模突破台幣兆元之亞太第一大資通訊通路集團
◎知識與經驗的分享是我們回饋社會的方式，如您認同杜書伍的觀念專欄，歡迎交流及分享 1️⃣按讚👏🏻👏🏻2️⃣分享👬👬3️⃣追蹤粉絲專頁--搶先看

轉自 #有熊老師
======
剛才，又在幫網友回應
「國中數學的應用問題都是「故意編的故事」，二元一次根本在日常生活中用不到，學這個做什麼？」

我說：
機率論可以幫手機去雜音、幫沒唱功的歌手調音；線性代數和矩陣可以計算生產排程、幫宅配業者規劃路線；

微積分可以用來建立經濟模型、統計學是所有企業主管必備、邏輯學、集合論可以提升寫程式的功力；立體座標的線性變換可以用來製作動畫。

這一些，他如果不會二元一次，連邊都摸不到。

國中數學不是「用不到」，而是用得到的數學都太深了，國中數學只是它們的基礎中的基礎。

所以才沒辦法在生活中找到「合理常見」的例子，所有例子都會很像是「為了計算而編的故事」。

就是因為「用得到的數學太深奧」，在現實中，是有專門的人在幫忙處理；台積電的員工、投資銀行的分析師、APPLE的程式設計師、夢工廠動畫工程師。

就是因為太深奧，一般人不會，所以才需要付那麼多錢給蘋果、給台積電，然後他們也要付很高的薪水給這些數學能力好的員工。

如果他只想要「結帳、收銀」的能力，那他是不一定要會這些沒錯啦；但他也將只具備「結帳、收銀」的數學競爭力，也可能只會得到這種薪水 -- 除非他有其他過人的天賦。

有空可以讓他看看 TED 或 discovery 的影片。

===

其實在各行各業中，也是有那種「用到數學，但又不是用得很深」的、也不是找不到「二元一次」的應用情形；

但真的舉這些情境來出題，一但涉及到專業名詞，比如說「報酬率」、「力學平衡」那學生反而會因為不懂這些而卡住。

比如說幫捷運透過「流量」、「進站人次」去算「發車頻率」，那就又要花很多時間去解釋題目。

( 有點像 PISA 的測驗題，開始算之前，還要先看一段關於北極圈苔類面積北移、和冰層溶解速率的情境設定 …… )

才會變成，不得不去「編故事」來出題。

===
ps. 很多人不知道，台積電其實很需要博士級的數學人材

因為台積電的製程是奈米尺度的，意味著
1. 製作過程有沒有偏差、不良品發生的原因是什麼，肉眼根本沒辦法判斷。

2. 既然肉眼沒辦法判斷，就要讓儀器偵測，這麼小的尺度、數千個感測器一秒傳回一大堆的數據、一天就是上億筆，人力根本難以分析。

所以需要數學家先利用數學理論、建立分析系統，好讓工程師看系統產生的數據
-- 這種處理大量、雜亂、可能無用的數據的數學能力，就是現在正流行的「大數據」。

他的大數據系統 　讓台積電良率打敗三星
http://www.cw.com.tw/article/article.action?id=5080178