Patrick.Wong
253 位追蹤者
Patrick.Wong
253 位追蹤者
學過電子、工管以及企管，曾在地檢署體驗公務員生活，也曾壯遊澳洲打工度假，自詡為「燃燒著工管魂的企管人」，興趣是廣泛閱讀。
閒暇之餘，寫文章分享自己跨領域的人生經歷。
一位在因緣際會之下，動了想去紐西蘭的念頭，卻陰錯陽差跑到澳洲打工度假的背包客。
脫離台灣世俗的期待，踏上打工度假的不歸路，第二人生正式在澳洲啟航。
如果人生很短，那青春就是短暫一瞬間，屬於你的第二人生，下一站在哪呢？還沒開始的理由，又是什麼呢？
歡迎來到我的澳洲故事館，分享我在澳洲的旅程故事。
全部內容
由新到舊
三陽離職後，自認有待加強的部分：持續打磨PM技能才是重中之重，補足弱點是為了讓PM運作起來可以更為順暢，提升附加價值。
1. 控管居多，執行面少
2. 與外部互動不足
3. 溝通用詞不夠精準
4. 廣度太廣，深度不夠
5. 增長處、補短處
沒想到自己研究房貸的文章被友人看到，他正在思考是否要辦信貸，希望我能幫忙查詢是否有信貸相關的數據。先前文章探討完新增信貸於年齡與性別各自的數據後，本文接著探討年齡與性別交叉授信統計數據：年紀越大，人均信貸金額越高、利率越低，且在相同的年齡區間，男性信貸金額較女性高，利率也相對較低。
先前用兩篇文章探討完信貸統計數據（存量），接著探討新增信貸統計數據（流量）。聯徵新增信貸數據分析：人均信貸金額緩步向上，女性與年輕族群貸款金額較少，負擔利率卻較高。
聯徵信貸數據分析：年齡與性別交叉授信統計數據。得出年紀越大，人均信貸金額越高、利率越低，且在相同的年齡區間，男性信貸金額較女性高，利率也相對較低。
聯徵信貸數據分析：整體趨勢、年齡、性別統計數據：連年增長的信貸人數與規模、信貸族群落在30–50歲、對女性與年輕族群不友善的信貸利率。
如何評估AI訓練所需算力？最終輸出的「使用目的」，決定輸入的「資料類型」，過程中需要搭建哪些「AI模型結構」，決定了算力FLOPs。
2025/11/22
這是好的文章，將來PC端AI可以做很好的管理，所選用資料的品質會決定你AI的品質，到時候就真的可以分別出哪個人會應用AI增強自己的實力了，可能不適一倍兩倍，而是10倍，百倍之多。
每年的例行公事，檢討自己過去一年的平台經營狀況：2025年方格子經營報告－月均量破萬。給未來一年的期許：保持周更，月流量破萬應為地板，而非天花板。
幾種常見的AI應用類型：
1. 文字AI應用；
2. 圖像AI應用；
3. 音訊／語音AI應用；
4. 影像AI應用；
5. 複雜格式AI應用；
6. 總結：隨著AI應用蓬勃發展，多模態終將成為日常風景。
基本公式：GPU算力＝理論峰值×實際效能×加速比。
GPU該如何提升算力實際利用率，從硬體規格就開始。
根據使用情境與AI應用，推估出所需算力，才能知道有哪些等級的GPU可滿足AI用途，最終根據終端AI運用情境、所需算力與GPU型號決定硬體配置。
用AI檢測器檢測自己文章的AI化程度：沒有AI協作的文章被檢測有AI生成的成分，這結果我也是驚了個呆！
