作者查詢 / celestialgod
作者 celestialgod 在 PTT 全部看板的留言(推文), 共6348則
限定看板:全部
看板排序:
全部R_Language3057MATLAB995Statistics896PC_Shopping309Tech_Job186Soft_Job140Gossiping97Python75C_and_CPP45Boy-Girl24Aries23CareerPlan23BoardGame22DIABLO22GRE19DataScience18TOEIC18joke17hardware16NARUTO16ONE_PIECE16studyabroad15Hunter13Math13Tainan11Wanted11C_Chat10StupidClown10Lottery9PathofExile9SMSlife9BLEACH8China-Drama8CodeJob8LaTeX8Salary8TOEFL_iBT8Lifeismoney7LoL7Oversea_Job7Beauty6Economics6Golden-Award6HardwareSale6LCD6Hate5HomeTeach5JLPT5NBA5NSwitch5Isayama4movie4nb-shopping4WomenTalk4EAseries3home-sale3MacShop3PhD3trans_math3ArakawaCow2CFAiafeFSA2firsttime2Instant_Mess2Japandrama2NewAge2Notebook2sinica2Sub_CS2WarCraft2ask1Baseball1BigShiLin1CarShop1Chihlee1CrossStrait1friends1Hsinchu1java1kekkai1KUAS1Militarylife1MuscleBeach1Nangang1NCKU_ECO971nobunyaga1Office1Oni_soul1OverClocking1pal1Penpal1PingTung1PokeMon1Programming1PttLifeLaw1RFonline1specialman1SYSOP1TY_Research1VR1<< 收起看板(99)
2F推: 我推薦試試看polars 效能比較好 又比較多支援函數05/29 23:33
3F→: https://tinyurl.com/26hp85zx05/29 23:33
2F推: 工作五年沒談到32 就不要去了吧05/28 23:02
3F→: 你看到同年紀的都是32 甚至可能還有33的 會很不平05/28 23:02
4F→: 衡05/28 23:02
14F→: 這個應該是可以談判的吧 去跟HR說 沒32不會考慮05/28 23:21
15F→: 看看人資願不願意幫你把職等往上拉05/28 23:21
16F→: 反正不能進去也不損失 你現職也還可以05/28 23:21
17F→: 除非你的hiring manger覺得你只值得31 不然應該有05/28 23:22
18F→: 機會 試著爭取看看吧05/28 23:22
19F→: 可以順便問問看不夠資格談到32的原因05/28 23:22
26F噓: 看到神山出這樣的的價碼就知道為什麼神山找不到人05/29 00:42
27F→: 了05/29 00:42
3F→: 這薪水看看會收到怎樣的人 很期待這方面的分享05/28 23:28
27F推: 競賽仔寫numpy 還在指標 就是笑話了05/28 16:22
28F→: 換寫python 能不能更電不好說吧05/28 16:22
29F推: SIMD / Vectorization 一邊競賽也用不到05/28 16:25
34F推: 術業有專攻 競賽跟實際在做那些專注計算的事情 是05/28 16:32
35F→: 兩回事 程式那麼多領域 選一個喜歡的領域就好05/28 16:32
1F推: 葉?05/28 15:11
2F→: 等一下下一篇是Hahow?六角?五倍紅寶石?05/28 15:12
28F推: 台積IT第一年就130啦05/28 14:21
31F推: 樓上你沒聽過「補修英文」嗎 讓學生可以逃過多益畢05/28 14:51
32F→: 業門檻05/28 14:51
33F→: 一堆四大理工的英文超爛 300的也蠻常見的05/28 14:51
11F推: A05/24 11:44
2F推: .map05/21 16:19
9F推: var_dict = {“cat”: 0, “dog”: 1}05/22 19:25
10F→: df[‘var’] = df[‘var’].map(var_dict)05/22 19:25
11F→: var_dict = {“yes”: 0, “no”: 1}05/22 19:26
12F→: 這就可以把yes/no map to 1/005/22 19:26
15F推: df[‘var’] = df[‘var’].map({‘是’:1,’否’05/22 22:33
16F→: :0})05/22 22:33
2F推: 感覺沒加多少 如果覺得無聊不如好好研究投資05/17 20:54
18F→: GG跟工研院的錢差兩倍以上05/15 12:27
19F→: 台積電要有心理準備都是on-premise的解法05/15 12:28
20F→: 現在很多都是雲端了,可能未來也很難出來05/15 12:28
21F→: 有時間的話 再找過比較好05/15 12:29
66F→: 當你需要管理每一台機器的系統、硬體的時候 就會覺05/17 11:01
67F→: 得on-premise很麻煩 我之前在台積電管快70台伺服器05/17 11:01
68F→: 用了ansible 還是覺得管理很麻煩 用了Azure/AWS之後05/17 11:01
69F→: 根本不用煩惱每一台機器 只要開起來 服務就能跑了05/17 11:01
70F→: 更不用說那些log蒐集 跟安裝服務了05/17 11:01
71F→: 而且機器是不是能要幾台就開幾台也要看部門預算…05/17 11:01