學習筆記

每日筆記 還在研究如何提升影片品質，拉高曝光率，先不浪費時間生成低品質影片，轉而用這些時間去讀一些有幫助的文章。 前言 今天有以下幾個主題： 老闆如何決定員工的薪水？ 成立獨立遊戲工作室需要付出多少？ 捏陶體驗課 租房子 老闆如何決定員工薪水？ 昨天晚上睡不著覺，想到秉鴻老師說有另一位學生有做過分配錢與工作的經驗，就想到如果想做遊戲開發，可能也需要相關的經驗和知識，來分配人力跟可利用的資源。「雖然不一定會真的做遊戲開發，但透過這樣的機會多學習一些也沒什麼不好，未來如果有需要成就管理職也可以有所幫助。」 給薪水的考量點 個人認為文章已經統整得非常好，底下嘗試做更精簡的描述，順便讀第二次做內化吸收，嘗試套用在「遊戲開發」的例子上。 對於「員工薪水我們該考慮什麼」，有篇文章很用心的幫我們做了統整： 目前的薪水 以往的薪水得知一位候選人過往的薪資變化，有助於評估對方預期的薪水漲幅。 他的經驗 公司的成長階段Starup無法給出太多的錢，這件事在遊戲開發初期一定會面臨。然而當遊戲開發能有所回饋，工作室發展具備一定程度的發展，就可以考慮給出更多的薪水。 市場中他的level或角色的薪水範圍要考量給予的薪水在市場上是不是合理的。遊戲開發初期，如果沒有其他參考依據，就可以根據市場行情來評估該給予初期團員多少的薪資。（不過礙於startup通常能給的不多，或許給以參考「比例」。） 公司有多需要他的能力 公司有多少預算給他 他是不是公司的少數族群公司若重視多元性，或是建立類似的文化，就要考慮候選人的加入是否能提高公司的多元性，激發更多元的想法和創意。（要考量這部分的效益）。 下次什麼時候會調薪有些處在試用期的人會難以調薪，若看好候選人，可以考慮多給一點作為無法調薪的補償。（這應該是一種留住人才的手段。） 不只該考慮什麼，文章也很認真的幫我們統整「不該考慮什麼」： 團隊裡面其他人的薪水是多少這個概念的重點在於「不該因為其他員工薪水較低就給予較低的薪水」，因為候選人大多只重視公司是否給予自己合理的薪水，薪水是否有達到自己的預期。 公司花了多長時間找到這個人「若輕易地因為找人困難而妥協」，對未來會造成許多的困難。套用到遊戲開發上，如果自己想成立開發團隊，也不能因為得來不易的團員而開出高薪資，這樣對於開發初期需要嚴格管控的資金流會出很大的問題（今天第二個主題是第一個主題延伸閱讀得來的，內容就在討論工作室初期是如何消耗資金的） 自己（身為對方的主管）的薪水是多少員工薪水比主管高是非常正常的事情，身為管理階層，要增加薪水最好的方式，本來就是「找到最有天分的人來做事」。以遊戲開發來說，身為發起者、創辦人，兩三年、三四年沒有薪水都是很有可能發生的事，要有相應的心理準備。（順便分享，這也是我有考慮過無法創業的理由，對於有女友、父母要養、要一起生活的人而言，這是件需要深思的事。） 除了薪水之外的考量，也可以跟候選人討論以下事情： 其他員工福利 學習機會 技術挑戰 職涯的改變 公司的文化 不論給予、承諾的吸引條件是什麼，都要確定公司是能夠達成的，否則沒有信守承諾，對公司的名譽是非常大的傷害。 職位導向 v.s 能力導向 根據文章內容，總結來說我認為「職位導向是結論，是由能力導向衍伸而來的最終產物」，在執行職位導向時，「不能忽略能力，甚至應該高度重視」。 職位導向常會讓人認為「有什麼職位，就有什麼薪水」，然而應該是「有什麼能力，有什麼薪水，才是『可能』有什麼職位」。核心理由是「一個人被調升職位，並不會一之間能力跳級」。有什麼樣的能力，「或許」能夠、有意願身任更高的職位，任職後從中學習、培養、提升能力後，才給予相應的薪水，是比較合理的薪資調整方式。 文中另一個重要概念是，「因為不一定能找到完全符合職務說明條件的人」，所以的會設計三種等級來求才。設計方式我認為很值得深思，求職過程中也可以用這三個等級思考自己的定位，如何成長。第一種：能力符合職位要求的標準型。第二種：能力不完全足夠者，尚待歷鍊培養。第三種：能力已超越職位所需條件者。這種可以付較高的薪資，儲備人才。 另外「能力導向」也比「職位導向」更具積極性。能力導向制有積極提拔、加速培養人才的情況，亦即能力尚未完全勝任（第二種），就指派升任更高職位。要發揮能力導向的積極屬性，就要有重要觀念：是「有機會接任更高、更重要 、責任更大的職位，就有機會接觸更高層次的事物、面對更大的問題、磨練更大的能力，也就有機會朝更高的薪酬發展」，而不是「負更大的責任，就要先有更高薪酬，否則寧可多一事不如少一事」。 這個重要觀念我認為完全可以應用在遊戲開發初期上。剛開始創立運行時，成員都要明白：只有當能力足夠，可以讓工作是有產出，且產出能夠得到認可（有回饋）時，才有可能得到更多的薪酬。而不是我要有多少薪酬，所以投入多少心力開發跟運行，否則我寧可不要做。（這樣想就永遠不可能成功） 參考資料 [1] IT邦幫忙 – 你的薪水是怎麼決定的？[2] 經理人 – 薪水怎麼給，是看能力還是職位？老闆、人資先思考3個問題 成立獨立遊戲工作室需要付出多少？ 先定義「獨立遊戲工作室」指的是工作室能夠「決定遊戲走向」，不會受到投資人影響或決策。雖然可能利用第三方資金，但一定要對遊戲開發有決定權。 文章一開頭直說，如果要成立獨立遊戲工作室，可能會花費「一輩子的積蓄和整個人生」。 文內舉出了「成本統計分析」，考量包括： 初始成本 …

2023/6/6 每日筆記 Read More »

為什麼會有這系列文章 以下紀錄幾個我會寫這系列文章的理由： 培養長久做一件事情的能力，不因外力因素就中斷。 積累實力，打造履歷（學習歷程）。 分享、紀錄自己成長過程中，部分運用到的資源。 每日筆記 前言 今天一共有以下幾個主題： 質化型變量與量化型變量 質化型變量如何轉為量化型變量、量化工具的合理性 結論一個人要正常運作的要件 Radio Commander的遊玩影片（第一、二關） 前天的New Question 前兩個主題比較偏技術討論、分享，後三個主題則是一些思維、心得或生活上的分享。 質化型變量與量化型變量 區分質化型變量和量化型變量，關鍵在於是否具有數值上的順序或大小關係。質化型變量只是描述不同的類別或屬性，而量化型變量則具有可測量和計算的數值特性。 質化型變量（Qualitative Variables） 也稱為類別變量或分類變量，表示觀察單位的特定屬性或類別。質化型變量沒有數值上的順序或大小關係，只是用來描述類別或屬性。 例如：性別、婚姻狀態、地區、學歷等都是質化型變量。 量化型變量（Quantitative Variables） 也稱為連續變量或數值變量，表示觀察單位的具體數值。量化型變量可以進行數值上的比較和計算。根據度量層次的不同，可以進一步分為兩類： 離散變量（Discrete Variables）：取有限個或可數個數值的變量，通常表示計數或次數。例如：家庭成員人數、每月用戶註冊數量等都屬於離散變量。 連續變量（Continuous Variables）：可以取任意數值的變量，可以是整數或小數。例如：身高、體重、年齡、收入、時間、距離等都屬於連續變量。 總結 質化型變量只是描述不同的類別或屬性，而量化型變量則具有可測量和計數的數值特性。區分質化型變量和量化型變量的關鍵，在於是否具有數值上的順序或大小關係。 質化型變量轉為量化型變量 將質化型變量轉為量化型變量最關鍵的要素，是要讓質化型變量在數值上具備順序或大小關係，而決定數值順序或大小則要套上「情境」。 直接舉例：將顧客滿意度（質化型變量）轉化為量化型變量。顧客滿意度通常以評分或評價形式表示，例如「非常滿意」、「滿意」、「一般」、「不滿意」、「非常不滿意」等。為了進行「數值分析或比較」，我們可以將顧客滿意度轉化為數字表示。 在顧客滿意度情境中，我們將滿意視為「大、強」，不滿意視為「小、弱」，因此不同滿意度代表的數值就具有大小和順序性了。 另一個例子：教育程度教育程度通常分為「高中以下」、「大學」、「碩士」、「博士」等。我們可以用0-3根據不同情境需求，套給他們不同的數值。 假設情境是要分析「是否具備較專業的知識」，那博士變量的數值可以給3，設為最大，高中以下可以給0，設為最低，因為情境的出現，質化型變量被套上數值後，也具備順序和大小的特性。 另一個例子：顏色一種顏色常見的轉化方式是將顏色使用數字編碼，例如使用RGB（紅綠藍）色彩模型的數值表示。，將每個顏色分別映射到0到255的範圍內（0-255, 0-255, 0-255）。具備較多或較少「紅」、「綠」、「藍」，就成了情境。因此賦予的數值，具備了大小的特性。 小結：要將質化型變量轉為量化型變量，一定脫離不了賦予數值，而通常數值具備有無、順序或大小的特性。 轉化工具 轉化工具有很多種，在評估轉化工具的合理性上可以考慮以下幾個方面： 目標符合性：轉化工具是否能夠達到所設定的目標和需求。例如，是否能夠準確地將質化型變量轉化為合適的量化型變量。 可靠性：轉化工具是否能產生「一致」和可靠的結果。評估可靠性可以通過測和驗證來進行，例如使用不同的數據樣本進行評估，檢查轉化結果的一致性和穩定性。 適用性：轉化工具是否適用於特定的情境和目標。不同的質化型變量可能需要不同的轉化方法和工具。評估轉化工具的適用性時，需要考慮質化型變量的特性和應用場警，並選擇最合適的轉化方法。 可解釋性：轉化工具產生的量化結果是否能夠被解釋和理解。在機器學習模型中，可解釋性是一個重要的考量因素。評估轉化工具的可解釋性時，需要確保轉化結果能夠清晰地表達質化型變量的特點和含義。 相關性：轉化工具產生的量化結果是否與質化型變量具有相關性。評估轉化工具的相關性可以通過統計分析和相關性測量來進行，確定轉化結果與原始質化型變量之間的關聯程度。 一般來說，選擇和使用轉化工具時，需要綜合考慮這些評估標準，確保轉化工具的合理性和有效性。 常見的轉化工具包括： 獨熱編碼（One-Hot Encoding）：將每個類別轉換為一個二進制特徵，使得每個類別都有自己的特徵列。這種轉化方式常用於處理多類別分類問題。 數值編碼（Numeric Encoding）：將類別映射為一個數值，可以使用類別的頻率、軍職、中位數等統計數據做為數值編碼的依據。 順序編碼（Ordinal …

2023/5/31 每日筆記 Read More »

為什麼會有這系列文章 以下紀錄幾個我會寫這系列文章的理由： 培養長久做一件事情的能力，不因外力因素就中斷。 積累實力，打造履歷（學習歷程）。 分享、紀錄自己成長過程中，部分運用到的資源。 每日筆記 AI/ML 學習歷程 Youtube 教學頻道分享、觀看紀錄 大約兩天前，我找到一個頻道，專門講解AI相關的課程。（Youtube頻道連結 – Hung-yi Lee） 這位老師講的內容，我覺得很好理解，目前正在觀看【機器學習2021】這份播放清單的內容。截至目前為止已看： 【機器學習2021】預測本頻道觀看人數 (上) – 機器學習基本概念簡介 【機器學習2021】預測本頻道觀看人數 (下) – 深度學習基本概念簡介 【機器學習2021】類神經網路訓練不起來怎麼辦 (一)： 局部最小值 (local minima) 與鞍點 (saddle point) 【機器學習2021】類神經網路訓練不起來怎麼辦 (二)： 批次 (batch) 與動量 (momentum) 平均每天觀看兩部影片左右。 上課影片簡報：機器學習、深度學習基本概念簡介 文章類 – 深度學習框架的入門抉擇 學習要透過實作才會印象深刻！在觀看 Hung-yi Lee 老師的教學影片後，我開始思考如何實作老師教導的內容。 第一步就是先選擇自己學習AI要使用的框架。我們都知道目前深度學習框架有PyTorch與TensorFlow兩大框架，兩者剛好互相佔據學術界與產業界的餅。根據閱讀過的文章，學術界以PyTorch為主，產業界以TensorFlow為主。 基於學習上的考量，將以PyTorch作為踏入AI這塊領域的起手式。在熟悉、理解AI領域的專業知識後，會轉為了解、使用TensorFlow。 參考資料：[1] HackMD – 深度學習框架: PyTorch與TensorFlow[2] Medium – …

2023/5/26 – 每日筆記 Read More »