🔒 阿Han的軟體心法實戰營
5公開內容
42私密內容
嗨！ 大家好，我是阿Han，歡迎來到「🔒 阿Han的軟體心法實戰營」，這裡將會手把手帶你系統化的學習軟體開發技能，並透過實戰來加深學習成效，邊學邊做能夠讓您在職涯上一帆風順，成為獨當一面的技術專家。
這裡主要會以Python程式語言進行示範。
全部內容
免費與付費
最新發佈優先
限時公開
API是我們與其他系統介接的標準化規格， 那一份好的規格勢必要能夠達到引導與驗證的作用， 避免對方介接錯誤， 引發後續的災難性損失， 因此這一章節就是要教我們如何定義每個API的欄位怎麼填？ 資料型態是什麼？ 以及如何生成API文件。
我們在「【🔒 Python API框架篇 - Fas
付費限定
我們在「【🔒 Message Queue - Kafka】不斷的試誤…, 用Docker來嘗試安裝Kafka」有分享過如何透過docker來架設kafka， 那麼在產品化的階段， 我們可能會預先規劃主題(topic)要有多少個partitions…等的配置， 基於一鍵啟動懶人包的原則， 我們希望按
付費限定
我們在「【🔒 MLOps - Airflow】使用docker compose架設Airflow」教您如何使用docker compose架設一個Airflow環境， 接著我們要教您如何進到容器內開發DAG， 正所謂工欲善其事必先利其器， 就是要先把事前先把工具給整治好， 讓後續的作業順利進行，
付費限定
我們在「【🔒 MLOps - Airflow】使用docker compose架設Airflow」有教您如何使用Docker來架設Airflow的環境， 而這個章節我們準備在DAG的流程中設計一個呼叫Docker去執行作業的節點， 這對於我們容器化的工作流會非常有幫助， 而且運行過程中也減少對主機
付費限定
為什麼我們只推薦docker的環境？ 因為透過容器化可以讓我們各個組件安裝的套件各自獨立， 不會發生早期常常衝突的狀況， 當然我們也可以用conda來隔開， 但它的層面僅限於python環境， 我們需要的是整個os環境， 因此docker會是我們優先考慮的選項之一。
👉 在我們開始之前…
付費限定
我們在「【MLOps - MLflow】AI模型實驗管理的超入門簡介」有介紹到模型實驗的追蹤管理平台， 雖然可以幫助我們自動化記錄實驗參數、模型…等數據， 但我們也會希望模型的訓練可以更加的自動化， 而Airflow正好就具備流程設計與管理的功能， 我們可以彈性的設計在某個時間點從某個數據集自動訓練
歡迎來到我們的「🏫 Python 先修班」系列， 這裡面涵蓋了我們入門Python的技巧與教學， 以下是我們為您整理的閱讀順序， 也非常感謝您的支持， 期望透過簡單易懂的知識分享， 讓我們快速入門Python這門語言， 與業界正式接軌。
【🔒 Python 先修班】我應該怎麼開始學Pytho
付費限定
Generator能夠讓我們在需要資料時才產生資料， 原理很像Kafka的Consumer， 它在處理大量數據時非常的有幫助， 讓我們資料一小塊一小塊的流到目的地， 流式的設計對於串流的應用程式來說非常的重要， 如果您正在設計一套串流的應用程式， 那麼學好Generator會非常的重要， 除了讓
謝謝分享，這是對很多想學Python的人來說，是很好的文章。
付費限定
上集回顧「【🔒Message Queue - Kafka】Schema Registry EP.1 傳輸訊息的標準格式制定者 」， 我們在文章中有提到當Schema升級時， 會衍生一些問題， 那這些問題主要是Schema Registry會根據我們的相容性策略來驗證新版的Schema是否合法， 這
付費限定
我們在「【Message Queue - Kafka】串流時代的超入門簡介」有介紹到關於Kafka的基礎概念， 那麼本章節主要著重於生產者(Producer)的面向來細部探討， 看看生產者(Producer)究竟是什麼？ 有哪些應該要注意的？
我們今天的主題除了說明生產者(Producer)的
