心得 ｜ LINE TAIWAN TECHPULSE 2023
參加此次活動的動機和期望 LINE TAIWAN TECHPULSE 2023 是 LINE 台灣年度的最大科技盛會，
今年著重開發本質，以實務觀點探究服務、產品開發內涵，更回到線下與大家面對面交流，期待激盪出更多創新觀點與技術。
同時想要瞭解 LINE 最新的科技趨勢和發展，掌握未來的方向和機會，也可以尋求解決自己工作或研究中遇到的難題的方法，將其應用於自己的工作或研究中。
在活動中也可以體驗到學習、互動和創新的氛圍，獲得啟發和動力，激發自己的創造力和視野。
活動的主題 上午的場次將發表 LINE 台灣研發工程團隊今年度整體重點策略布局；
下午場次則以雙廳制進行，分別帶大家了解由 LINE 台灣 研發工程團隊今年度最新的技術與在地化的應用， Internal Hackathon 前三名獲獎團隊展示。
自己印象深刻的演講
Opening / Engineering Keynote
比較偏向談論「開發治理」、「資料治理」及「文化養成」
有看到相關報導了 https://udn.com/news/story/7088/6978580
整體感覺像是 Line 往下一個十年走，越來越多成員的軟體公司要如何規劃治理相關要點。
然後說一下我們也有做 Web3 / AI 這樣。
SRE DevOps 相關 (摘至 LINE TODAY)
TOP（Taiwan Observability Platform）平台為基礎，LINE台灣工程團隊今年導入DORA四大指標：改版前置時間（Lead time for changes）、部署頻率（Deployment frequency）、服務恢復時間（Time to restore service）、改版失敗率（Change failure rate）與服務級別指標，以利內部技術主管與產品關係人檢視各項專案開發品質。
AI 相關 (摘至 LINE TODAY)
LINE工程團隊以三大要素：資料（Data）、自然語言處理模型（NLP Models）、服務整合（Service Integration）建構了自然語言處理（NLP）賦能的應用。每個服務皆有各自的自然語言處理任務需求（NLP Tasks），而有些任務的需求共通，為了更有效率地使用NLP Models，且可通用於LINE旗下不同的服務領域，工程團隊提出「自然語言處理即服務」（NLPaaS）的概念
初版的SmartText自然語言處理平台即可透過模型進行常見的文字自動化任務，如文件分類（Classifier）、多標籤分類（Multi-label Classifier）、主題偵測（Topic Detection）等。經過工程團隊的精進優化，今日首次公開的「SmartText自然語言處理平台2.0」計畫可執行更多元的NLP任務，包含文章摘要（Article Summarization）、換句話說（Paraphrasing）、問答（Question-Answering）、客製化廣告文案生成（Text Generation）等，持續協助處理各式各樣文字自動化的複雜需求。
心得
除去新聞稿提供的資料，大抵給我的感覺是蠻多 Team 強調有資料，然後會收集，最後做 monitoring ，再給個視覺化儀表板 (通常串Grafana)，當然這一切也都要強調符合「資料治理」原則。
AI team 把自己組的功能都做成 API 或是 service ，這點蠻厲害的，之前工作環境資源只能做到 SDK ，
如果像是介紹說的，API 或是 service 串好 no code 平台，開放給需求端直接操作不同 modal 或是不同任務需要的 label ，把能做到全公司需求都能 cover 確實有值得驕傲的地方。
至於 2.0 我不專業的看，是覺得價值還是在整合內部使用的地方，然後搭下風頭的LLM的應用說我們也都有可以做到。
這時候也忽然感嘆，公司規模夠大，人數夠多，就是有這種好處，不用浪費時間評估外部服務的可用性和價格，自己家就有人會做。
其餘比較細的主題，這次看的議程就偏向參考別人經驗怎麼做。
LINE FRESH 也有上台發表
feature toggle 本來想聽怎麼實作或是遇到的困難，但聽完比較像是「怎麼用」，做法帶一點參考資料或是參考演算法這樣。
VOOM 聽得出來做很多準備練習，但也聽得出來還是很緊張 🤣
Clean Architecture 講得很細節，但是也有點太過細節，如果是小聚講這種主題，應該會後可以聊很久。
test 講得很全面，之前在工作裡面，也有準備過一份完全涵蓋同樣內容的講題，瞬間覺得自己抓的方向也還不錯（誤），私心覺得選題很好。
發票ＡＰＩ爆炸怎麼解決
這邊提到用 Uber 開源的工具 Temporal ，然後重點分享幾個 key feature 和怎麼用於實務中，非常實際也涵蓋淺入深
https://github.com/temporalio/temporal (Temporal is a mature technology, a fork of Uber’s Cadence)
Line 貼圖新年爆量
這邊講系統架構面，如何解決。
當然也要透過各個團隊去協調，不過可以關閉ＡＰＩ功能這個彈性之前工作時沒有討論到也沒有支援過。
除了從程式架構去做好解決問題的方法，有時候跨團隊去完成目標也是最實際最便宜的方法～
A/B testing in LINE TODAY
依稀記得之前聽過騰訊 UX researcher 分享如何做 UX research，不過 LINE 比較像是有需求端發需要測 A/B testing，然後工程端如何設計系統、規劃實驗方法、如何驗證。
自己覺得最明顯的差異是：
騰訊 UX researcher 為使用者服務。
Line A/B testing 依舊為（商業）需求服務。
遺珠
其實很多和測試或是ＡＩ有關的議題，但是後續還有其他規劃，就沒有辦法全部聽完 :（
建議和回饋 （抱怨）
LINE ChatBot 真的不是一個好的 UX，尤其對於階層關係的訊息
這次議程細節都在 LINE 裡面，很多時候我要看詳細議程，點下去被對話框刷一次，又要往上滑再找是哪個議程，這樣的使用者體驗頗ＧＹ
我大多數時間都是在滑 carousel ，不然就是上下滑去看我漏點擊什麼議程，完全不是專注在議程說明的細節中。
如果是 web 就是上一頁可以解決的問題。
上午的場次將發表 LINE 台灣研發工程團隊今年度整體重點策略布局；
下午場次則以雙廳制進行，分別帶大家了解由 LINE 台灣 研發工程團隊今年度最新的技術與在地化的應用， Internal Hackathon 前三名獲獎團隊展示。
自己印象深刻的演講
Opening / Engineering Keynote
比較偏向談論「開發治理」、「資料治理」及「文化養成」
有看到相關報導了 https://udn.com/news/story/7088/6978580
整體感覺像是 Line 往下一個十年走，越來越多成員的軟體公司要如何規劃治理相關要點。
然後說一下我們也有做 Web3 / AI 這樣。
SRE DevOps 相關 (摘至 LINE TODAY)
TOP（Taiwan Observability Platform）平台為基礎，LINE台灣工程團隊今年導入DORA四大指標：改版前置時間（Lead time for changes）、部署頻率（Deployment frequency）、服務恢復時間（Time to restore service）、改版失敗率（Change failure rate）與服務級別指標，以利內部技術主管與產品關係人檢視各項專案開發品質。
AI 相關 (摘至 LINE TODAY)
LINE工程團隊以三大要素：資料（Data）、自然語言處理模型（NLP Models）、服務整合（Service Integration）建構了自然語言處理（NLP）賦能的應用。每個服務皆有各自的自然語言處理任務需求（NLP Tasks），而有些任務的需求共通，為了更有效率地使用NLP Models，且可通用於LINE旗下不同的服務領域，工程團隊提出「自然語言處理即服務」（NLPaaS）的概念
初版的SmartText自然語言處理平台即可透過模型進行常見的文字自動化任務，如文件分類（Classifier）、多標籤分類（Multi-label Classifier）、主題偵測（Topic Detection）等。經過工程團隊的精進優化，今日首次公開的「SmartText自然語言處理平台2.0」計畫可執行更多元的NLP任務，包含文章摘要（Article Summarization）、換句話說（Paraphrasing）、問答（Question-Answering）、客製化廣告文案生成（Text Generation）等，持續協助處理各式各樣文字自動化的複雜需求。
心得
除去新聞稿提供的資料，大抵給我的感覺是蠻多 Team 強調有資料，然後會收集，最後做 monitoring ，再給個視覺化儀表板 (通常串Grafana)，當然這一切也都要強調符合「資料治理」原則。
AI team 把自己組的功能都做成 API 或是 service ，這點蠻厲害的，之前工作環境資源只能做到 SDK ，
如果像是介紹說的，API 或是 service 串好 no code 平台，開放給需求端直接操作不同 modal 或是不同任務需要的 label ，把能做到全公司需求都能 cover 確實有值得驕傲的地方。
至於 2.0 我不專業的看，是覺得價值還是在整合內部使用的地方，然後搭下風頭的LLM的應用說我們也都有可以做到。
這時候也忽然感嘆，公司規模夠大，人數夠多，就是有這種好處，不用浪費時間評估外部服務的可用性和價格，自己家就有人會做。
其餘比較細的主題，這次看的議程就偏向參考別人經驗怎麼做。
LINE FRESH 也有上台發表
feature toggle 本來想聽怎麼實作或是遇到的困難，但聽完比較像是「怎麼用」，做法帶一點參考資料或是參考演算法這樣。
VOOM 聽得出來做很多準備練習，但也聽得出來還是很緊張 🤣
Clean Architecture 講得很細節，但是也有點太過細節，如果是小聚講這種主題，應該會後可以聊很久。
test 講得很全面，之前在工作裡面，也有準備過一份完全涵蓋同樣內容的講題，瞬間覺得自己抓的方向也還不錯（誤），私心覺得選題很好。
發票ＡＰＩ爆炸怎麼解決
這邊提到用 Uber 開源的工具 Temporal ，然後重點分享幾個 key feature 和怎麼用於實務中，非常實際也涵蓋淺入深
https://github.com/temporalio/temporal (Temporal is a mature technology, a fork of Uber’s Cadence)
Line 貼圖新年爆量
這邊講系統架構面，如何解決。
當然也要透過各個團隊去協調，不過可以關閉ＡＰＩ功能這個彈性之前工作時沒有討論到也沒有支援過。
除了從程式架構去做好解決問題的方法，有時候跨團隊去完成目標也是最實際最便宜的方法～
A/B testing in LINE TODAY
依稀記得之前聽過騰訊 UX researcher 分享如何做 UX research，不過 LINE 比較像是有需求端發需要測 A/B testing，然後工程端如何設計系統、規劃實驗方法、如何驗證。
自己覺得最明顯的差異是：
騰訊 UX researcher 為使用者服務。
Line A/B testing 依舊為（商業）需求服務。
遺珠
其實很多和測試或是ＡＩ有關的議題，但是後續還有其他規劃，就沒有辦法全部聽完 :（
建議和回饋 （抱怨）
LINE ChatBot 真的不是一個好的 UX，尤其對於階層關係的訊息
這次議程細節都在 LINE 裡面，很多時候我要看詳細議程，點下去被對話框刷一次，又要往上滑再找是哪個議程，這樣的使用者體驗頗ＧＹ
我大多數時間都是在滑 carousel ，不然就是上下滑去看我漏點擊什麼議程，完全不是專注在議程說明的細節中。
如果是 web 就是上一頁可以解決的問題。
分享至
成為作者繼續創作的動力吧！
This is Ashe speaking 的其他內容
你可能也想看
- 台美股定期定額功能分享：以國泰世華 CUBE App 為例
- 【心得 | 除了自己，成為不了別人】擺脫人生低谷，從生物學角度解讀失敗的真正價值
- 【心得 | 不生病的人際關係】建立心理界線，選擇更好的人際生活
- 心得 | OUTPUT 最高學以致用法
- 心得｜《曲判記》國法與人情，學生分不清，辨不明
- 心得｜我的一天從4點30分開始
- LINE TECH FRESH 實習心得 | 關於面試、工作內容、成長
- LINE TECH FRESH 實習心得 | 在LINE實習是怎麼樣的體驗？
- [面試心得]2020 SWE軟體實習面試心得(Google STEP / LINE TechFresh)
- 小資貸款 LINE Bank 聽見了！分期貸款與臨用金預借 心得流程分享
- 【2022 LINE WEBTOON原創網漫暨劇本創作大賽】落選心得
發表回應
成為會員 後即可發表留言
© 2024 vocus All rights reserved.