【#線上工具】Word Art
標籤雲的線上產生器,可以上傳字體做編輯,文字雲的圖案可以包含動物、心型、自然等多種主題,也可以上傳自己的 Logo 圖案,在文字排列有多種角度可選擇,而且有很多細節可以做微調設定,完成後可直接下載為 PNG 或 JPEG 圖檔,如果付費的話,可下載高解析度或 SVG、PDF 等格式
連結:https://wordart.com/ 🐃🐆🐑
同時也有30部Youtube影片,追蹤數超過1萬的網紅鍾日欣,也在其Youtube影片中提到,我是JC老師 電腦相關課程授課超過6000小時的一位AutoCAD課程講師 由於實在太多同學向JC老師反映,希望可以有線上課程學習 所以就決定錄製一系列的AutoCAD線上影片教學 而且不加密、不設限、不販售,就是純分享,希望可以幫助到有需要的朋友們 如果這部AutoCAD教學影片對你有幫助的話 請...
「word標籤格線」的推薦目錄:
- 關於word標籤格線 在 李介介的介入影像 Facebook 的最佳貼文
- 關於word標籤格線 在 李開復 Kai-Fu Lee Facebook 的最佳解答
- 關於word標籤格線 在 君子馬蘭頭 - Ivan Li 李聲揚 Facebook 的最讚貼文
- 關於word標籤格線 在 鍾日欣 Youtube 的最佳貼文
- 關於word標籤格線 在 吳老師教學部落格 Youtube 的最佳貼文
- 關於word標籤格線 在 吳老師教學部落格 Youtube 的最佳貼文
- 關於word標籤格線 在 word標籤格線下載的蘋果、安卓和微軟相關APP,MOBILE01 的評價
- 關於word標籤格線 在 Word 標籤格線下載、列印標籤、索引片怎麼用在PTT/mobile01 ... 的評價
- 關於word標籤格線 在 Word 標籤格線下載、列印標籤、索引片怎麼用在PTT/mobile01 ... 的評價
- 關於word標籤格線 在 word如何在無框線的情況下顯示虛擬框線? - Mobile01 的評價
word標籤格線 在 李開復 Kai-Fu Lee Facebook 的最佳解答
來自創新工場大灣區人工智慧研究院的兩篇論文入選了自然語言處理領域(NLP)頂級學術會議 ACL 2020 。
這兩篇論文均聚焦中文分詞領域,是深度學習引入知識後的有益嘗試,將該領域近年來廣泛使用的各資料集上的分數全部刷至新高,在工業中也有著可觀的應用前景。
本文來自創新工場公眾號
……………………………………………………………………
創新工場兩篇論文入選ACL 2020,將中文分詞性能刷至新高
“土地,我的金箍棒在哪裡?”
“大聖,你的金箍,棒就棒在,特別配你的髮型。”
感謝神奇的中文分詞,給我們帶來了多少樂趣。豐富多變的中文行文,給人的理解造成歧義,也給AI分詞帶來挑戰。
近日,自然語言處理領域(NLP)頂級學術會議 ACL 2020 (https://acl2020.org/)正在火熱舉行。
令人振奮的是,來自創新工場大灣區人工智慧研究院的兩篇論文入選。這兩篇論文均聚焦中文分詞領域,是深度學習引入知識後的有益嘗試,將該領域近年來廣泛使用的各資料集上的分數全部刷至新高,在工業中也有著可觀的應用前景。
分詞及詞性標注是中文自然語言處理的基本任務,尤其在工業場景對分詞有非常直接的訴求,但當前沒有比較好的一體化解決方案,而且中文分詞普遍存在歧義和未登錄詞的難題。
基於此,兩篇論文各自提出了“鍵-值記憶神經網路的中文分詞模型”和“基於雙通道注意力機制的分詞及詞性標注模型”,將外部知識(資訊)創造性融入分詞及詞性標注模型,有效剔除了分詞“噪音”誤導,大幅度提升了分詞及詞性標注效果。
兩篇文章的作者有:華盛頓大學博士研究生、創新工場實習生田元賀,創新工場大灣區人工智慧研究院執行院長宋彥,創新工場科研合夥人張潼,創新工場CTO兼人工智慧工程院執行院長王詠剛等人。
ACL(The Association for ComputationalLinguistics)國際計算語言學協會是自然語言處理領域影響力最大、最具活力的國際學術組織之一,自1962年創立以來已有58年歷史,其每年夏天舉辦的年會是該領域學術頂會。
與往年不同的是,受新冠疫情影響,ACL2020全部轉為線上進行,不過這絲毫沒有減弱熱度。根據之前公佈的資料,今年大會投稿數量超過3000篇,共接收 779 篇論文,包括 571 篇長論文和 208 篇短論文,接收率為 25.2%,在全球疫情衝擊下反而是有史以來最盛大的一屆ACL會議,創新工場的技術大牛們也頂著時差連續數晚熬夜參會。
▌利用記憶神經網路,將中文分詞性能刷到歷史新高
中文分詞目的是在中文的字序列中插入分隔符號,將其切分為詞。例如,“我喜歡音樂”將被切分為“我/喜歡/音樂”(“/”表示分隔符號)。
中文語言因其特殊性,在分詞時面臨著兩個主要難點。一是歧義問題,由於中文存在大量歧義,一般的分詞工具在切分句子時可能會出錯。例如,“部分居民生活水準”,其正確的切分應為“部分/居民/生活/水準”,但存在“分居”、“民生”等歧義詞。“他從小學電腦技術”,正確的分詞是:他/從小/學/電腦技術,但也存在“小學”這種歧義詞。
二是未登錄詞問題。未登錄詞指的是不在詞表,或者是模型在訓練的過程中沒有遇見過的詞。例如經濟、醫療、科技等科學領域的專業術語或者社交媒體上的新詞,或者是人名。這類問題在跨領域分詞任務中尤其明顯。
對此,《ImprovingChinese Word Segmentation with Wordhood Memory Networks》這篇論文提出了基於鍵-值記憶神經網路的中文分詞模型。
該模型利用n元組(即一個由連續n個字組成的序列,比如“居民”是一個2元組,“生活水準”是一個4元組)提供的每個字的構詞能力,通過加(降)權重實現特定語境下的歧義消解。並通過非監督方法構建詞表,實現對特定領域的未標注文本的利用,進而提升對未登錄詞的識別。
例如,在“部分居民生活水準”這句話中,到底有多少可能成為詞的組塊?單字可成詞,如“民”;每兩個字的組合可能成詞,如“居民”;甚至四個字的組合也可能成詞,例如“居民生活”。
把這些可能成詞的組合全部找到以後,加入到該分詞模型中。通過神經網路,學習哪些詞對於最後完整表達句意的幫助更大,進而分配不同的權重。像“部分”、“居民”、“生活”、“水準”這些詞都會被突出出來,但“分居”、“民生”這些詞就會被降權處理,從而預測出正確的結果。
在“他從小學電腦技術” 這句話中,對於有歧義的部分“從小學”(有“從/小學”和“從小/學”兩種分法),該模型能夠對“從小”和“學”分配更高的權重,而對錯誤的n元組——“小學”分配較低的權重。
為了檢驗該模型的分詞效果,論文進行了嚴格的標準實驗和跨領域實驗。
實驗結果顯示,該模型在5個資料集(MSR、PKU、AS、CityU、CTB6)上的表現,均達了最好的成績(F值越高,性能越好)。(注:所選擇的五個資料集是中文分詞領域目前全世界唯一通用的標準資料集)
創新工場大灣區人工智慧研究院執行院長宋彥表示,與前人的模型進行比較發現,該模型在所有資料集上的表現均超過了之前的工作,“把中文分詞領域廣泛使用的標準資料集上的性能全部刷到了新高。”
在跨領域實驗中,論文使用網路博客資料集(CTB7)測試。實驗結果顯示,在整體F值以及未登陸詞的召回率上都有比較大提升。
▌“雙通道注意力機制”,有效剔除“噪音”誤導
第二篇論文《Joint ChineseWord Segmentation and Part-of-speech Tagging via Two-way Attentions ofAuto-analyzed Knowledge》提供了一種基於雙通道注意力機制的分詞及詞性標注模型。
中文分詞和詞性標注是兩個不同的任務。詞性標注是在已經切分好的文本中,給每一個詞標注其所屬的詞類,例如動詞、名詞、代詞、形容詞。詞性標注對後續的句子理解有重要的作用。
在詞性標注中,歧義仍然是個老大難的問題。例如,對於“他要向全班同學報告書上的內容”中,“報告書”的正確的切分和標注應為“報告_VV/書_N”。但由於“報告書”本身也是一個常見詞,一般的工具可能會將其標注為“報告書_NN”。
句法標注本身需要大量的時間和人力成本。在以往的標注工作中,使用外部自動工具獲取句法知識是主流方法。在這種情況下,如果模型不能識別並正確處理帶有雜音的句法知識,很可能會被不準確的句法知識誤導,做出錯誤的預測。
例如,在句子“他馬上功夫很好”中,“馬”和“上”應該分開(正確的標注應為“馬_NN/上_NN”)。但按照一般的句法知識,卻可能得到不準確的切分及句法關係,如“馬上”。
針對這一問題,該論文提出了一個基於雙通道注意力機制的分詞及詞性標注模型。該模型將中文分詞和詞性標注視作聯合任務,可一體化完成。模型分別對自動獲取的上下文特徵和句法知識加權,預測每個字的分詞和詞性標籤,不同的上下文特徵和句法知識在各自所屬的注意力通道內進行比較、加權,從而識別特定語境下不同上下文特徵和句法知識的貢獻。
這樣一來,那些不準確的,對模型預測貢獻小的上下文特徵和句法知識就能被識別出來,並被分配小的權重,從而避免模型被這些有噪音的資訊誤導。
即便在自動獲取的句法知識不準確的時候,該模型仍能有效識別並利用這種知識。例如,將前文有歧義、句法知識不準確的句子(“他馬上功夫很好”),輸入該雙通道注意力模型後,便得到了正確的分詞和詞性標注結果。
為了測試該模型的性能,論文在一般領域和跨領域分別進行了實驗。
一般領域實驗結果顯示,該模型在5個資料集(CTB5,CTB6,CTB7,CTB9,Universal Dependencies)的表現(F值)均超過前人的工作,也大幅度超過了斯坦福大學的 CoreNLP 工具,和伯克利大學的句法分析器。
即使是在與CTB詞性標注規範不同的UD資料集中,該模型依然能吸收不同標注帶來的知識,並使用這種知識,得到更好的效果。
而在跨領域的實驗中,和斯坦福大學的CoreNLP 工具相比,該模型也有近10個百分點的提升。
▌主動引入和分辨知識,實現中文分詞技術突破
中文分詞在中國科研領域已經有幾十年的歷史。最初的中文分詞是基於詞典構建,詞典的好壞會直接影響到最後分析的效果。如果某個新詞在詞典裡沒有,那麼模型是死活都分不出來的。
這種方式的局限性還在於,詞典和分詞兩件事情中間始終有一條鴻溝,儘管詞典可以編撰得非常全面,但在處理分詞的時候,因為每一句話都有上下文語境,往往會產生多種不同的切分方法,從而無法有效地在當前語境下對分詞結構進行恰當的指導。
從2003年開始,分詞方法出現了新的突破。研究人員提出了打標籤的方式,通過給每一個字打詞首、詞尾、詞中的標籤,不再需要構建詞典,大幅度提升了未登錄詞的召回效果。
到了2014年左右,深度學習和神經網路開始被廣泛應用到中文分詞中,打標籤的模型從之前的淺層學習變成了深度學習,但演算法本質沒有發生變化,所以提升作用並不太大。
近兩年,學界開始研究怎麼在打標籤的過程中加入外部知識和資訊。創新工場的這兩篇文章就是沿著這個路徑,用記憶神經網路的方式記錄對分詞結果有影響的 n元組,並引入對詞性標注有影響的句法知識,將分詞結果和自動獲得的知識銜接起來,既發揮了神經網路的優勢,也把知識的優勢用上,實現了分詞技術上小而有效的改進和突破。
宋彥表示,“從技術創新的角度,我們的貢獻主要有兩點。一是在現有技術的基礎上,建立了一個一體化的模型框架,使用非監督方法構建詞表,並把知識(資訊)融入進來,使用更高層次的句法知識,來幫助詞性標注,起到'他山之石,可以攻玉’的效果。”
“二是主動吸收和分辨不同的外部知識(資訊)。通過鍵-值記憶神經網路和雙通道注意力機制,進行動態權重的分配,能夠有效分辨知識,區分哪些是有效的,哪些是無效的。雖然這些知識是自動獲取的、不準確的,但‘三個臭皮匠,頂個諸葛亮’,經過有效利用,總能湊出一些有用的資訊。如何實現模型的主動吸收和分辨,就變得更加重要。”
據瞭解,今年的ACL大會,在分詞領域一共收錄了18篇論文,創新工場人工智慧工程院同時有2篇入選,也表現出ACL官方對這一貢獻的認可。
▌具備跨領域分詞能力,提升工業應用效率
中文分詞和詞性標注是最底層的應用,對於接下來的應用和任務處理非常重要。例如對於文本分類、情感分析,文本摘要、機器翻譯等,分詞都是不可或缺的基本“元件”。
宋彥表示,做此項研究的目的是主要為了拓展其工業場景的應用,正確的分詞能夠平衡公司應用開發的效率和性能,同時方便人工干預及(預)後處理。
這也是創新工場人工智慧工程院的努力方向之一。工程院成立於2016年9月,宗旨是銜接科技創新和行業賦能,做嫁接科研和產業應用的橋樑,為行業改造業務流程、提升業務效率。
工程院下設北京總部、南京研究院和大灣區研究院。大灣區研究院再下設資訊感知和理解實驗室,專注于對自然語言處理(NLP)領域的研究。執行院長宋彥本人也有超過15年的NLP領域的科研經驗。
“在工業場景使用的時候,跨領域的模型能力是一個非常直接的訴求。”宋彥表示,在某個領域的訓練模型,大概率也需要應用到其他領域。
“如何在新領域缺少資料,或者新領域只有少量未標注資料的情況下,實現模型的冷開機,依然是項巨大的挑戰。如果能利用外部知識,提高模型性能,就能有效地召回很多在訓練集中沒有出現過的新詞。”
例如搜尋引擎的廣告系統,最初也是通過組詞匹配的方式,在某個特定領域訓練其分詞模型,但在進入一個新的領域時,例如從新聞領域進入醫療領域或體育領域,效果往往會大打折扣,甚至頻頻出錯。
而使用跨領域特性後,廣告系統在進入新領域時,便無需額外的資料,就可以對它進行比較準確的分詞和標注,從而有效匹配廣告和客戶,大大提升系統運行的效率和穩定性。
目前,這兩篇論文的工具都已經開源,在下面兩個連結中,可以找到對應的所有代碼和模型,各位朋友可按需自取:
分詞工具:https://github.com/SVAIGBA/WMSeg
分詞及詞性標注工具:https://github.com/SVAIGBA/TwASP
word標籤格線 在 君子馬蘭頭 - Ivan Li 李聲揚 Facebook 的最讚貼文
[狗型人格]性格測試根本係偽科學,衰撚過廟街睇相
嘩哈,真係好興奮。我廿幾年前已經估到(定知道?)嘅嘢,卒之有人證實!New York Times 喎!有免費試閱的 (https://nyti.ms/2myOWPi)
寫定結論:性格測試根本係偽科學,衰撚過廟街睇相。不過呢個係一個5億美金嘅市場,每年增長15%。全球睇相有冇5億美金咁大市場?
點解我當年估到?二流公司HR當神咁拜嘅嘢,十居其九都係垃圾。正如「如何移動富士山」之類(http://bit.ly/2l5Iuit),非傳統面試問題嘛,外國興嘛。但,到你大學啲老虔婆career adviser 都講,你就知水尾,歐到唔歐。而家再有任何人講呢本書或者呢類題目嘅,你打個七折先,該人歐過人布歐。真係有創意?問下點樣搬富士大廈啦。
(呢篇文三段已經得罪好多人,但我真心覺得,由啲成世在大學打工嘅人畀職場意見你,就好似以前啲修女學校搣時,四十歲仲係乳豬,然後教啲女學生談戀愛咁。搣時,人地放學去援交,去Twenty One Whitfield 3p呀(http://bit.ly/2mCjDTU)。女學生一晚嘅性經驗,多過搣時成世咯,你嚟教我?)
(即係本人咁,稱唔上做咩過咩好頂級公司(星展都頂級?),但話晒炒人試過被炒試過減人工試過草裙舞跳過,唔係話紙上談兵晚晚上avgle然後扮性愛大師咁嘛)
講返,「一架波音飛機可以塞幾多個哥爾夫球」?原諒我bad taste,不如估下一個女明星可以塞幾多個哥爾夫球。芝加哥有幾多個鋼琴調音師?不如問下香港有幾多ptgf.就連始作俑者(正是Google之類,唔通你以為係你公司啲廢柴?)嘅HR,都話根本冇用(http://bit.ly/2mEequV),只係令啲煙他了牙look smart咁
所以Google自己都一早唔用(http://bit.ly/2mAIF5H),當然仲有啲同事唔知或唔理。而在遠東呢個所撚謂金融中心,仲有大把人以為呢啲十分醒目。即係好似宇宙遠處有個星球(恒星啦)收咗皮爆炸咗(或者熄咗),你地球都要幾萬年先知。同樣地,呢個城市啲人,好似啲縮埋在山洞嘅日軍咁,事隔幾年偷美軍啲雜誌睇到洋基佬在上野攬架妹(吉原?)嘅相,先知日本戰敗,出嚟投降(http://bit.ly/2kTvtZn)。
但,講到性格測驗,我就同硫磺島嘅日軍差不多,到我真係知時已經蹉跎咗廿年嘅時光了,喔。我主觀地認為,以我一個咁嘅學霸,冇入到大公司做其十九MT之類,除咗係your face your fate(襟芒,我大學時百五磅咋),以及所謂嘅introvert(又話唔信性格論?)蝕底外。仲有當然就係,我見到呢啲咁嘅性格測試就把鳩幾火。
真的,有時係要鉛筆畫圈,有時係電腦做。每次我都做到把幾火,亦唔明點解問百鳩幾條問題。你去溝條女上床都未使問咁多嘢。我更唔明發明嗰個根本連自己條仔/老公都未撚搞得掂,憑乜覺得可以了解天下人。
聽聞話,冇所謂嘅正確答案嘛。但話睇下啲成功人士是嘜S匙,係咪同你啲答案規律差不多 — 即係圍爐飛機啦。又聽聞,會睇下你有冇講大話 — 即係可能啲問題會重覆出現,或者轉個字眼,咁你前言不對後語,就可能代表你講大話,或者專注力不足,記性嗟,咩都好。
好啦,其實到我做得幾年嘢,我已經知道(多謝維基),根本連主流心理學界,都認為呢啲東西係偽科學垃撚圾。基本上就係New York Times 呢篇文話頭,占星學咁咯,同你食鬼佬唐餐嘅科春曲奇差不多。得啖笑—偏偏啲企業HR當係寶,你話幾咁大劑。
最直接嘅批評,就係,其實呢啲測試嘅描述,好多都係Barnum effect(http://bit.ly/2kW7lW4)。講英文好似型啲,但即係,星座性格分析咁。個個都覺得好準的,因為佢寫嘅嘢就係模稜兩可,好含糊,人人可以對號入座。「你有時會幾憎自己,甚至唔明點解自己要嚟到呢個世界。不過當你細心諗時又認為自己應該感恩」「你總係好想獲得人地嘅注意,但有時得到咗後又覺得無地自容」,之類的垃圾。
另外,老生常談,真係你同我當年都一早知嘅問題。首先,同一個人做呢啲測試都好,唔同時間就會有唔同答案,唔同驗血之類。我唔係講你細個明明好乖,大個溝唔到女變成反社會人格(OK,係我自己)嗰類。係講今日做同聽日做都唔同結果,咁有乜意義可言?今日我就適合做前線,聽日就適下做CEO?
另外就係,好多呢類東西都涉及光譜,最常見就係劃十字,四類人(因為易明又易畫,試下八種你睇下你點畫?)。問題係在同一個軸上,被為視係光譜兩端嘅嘢,往往唔係根本唔係互斥,可以係獨立(可以感性得嚟好理性),甚至係殊途同歸,柒到盡頭變成型。(順帶一講,政治光譜啲圖亦都一樣,無數咁多人話過你知,極左同極右去到最後係一撚樣的)
繼續抄維基。同樣道理,唔同軸上嘅特質,理論上應該係獨立,但實際上往往係相關嘅。
我加多個畀你:呢啲測試既然係被測者自由作答,往往係反映「佢想畀人睇嘅一面」,頂多係「佢以為自己係咁嘅一面」。同真實性格係兩回事。
當然,亦都其實根本冇咩實則證據,證明某啲性格嘅人特別應該做某啲行業,主要都係stereotype。但,文中都有講,正係因為有啲人咁相信,就變咗自我實現。主要係啲主管同HR忙,唔得閒睇咁多嘢,亦唔得閒問咁多嘢,就用呢啲方法請人。大鑊。
即係,講真面試就算幾個鐘都好,可以了解到一個人幾多?係冇乜嘅。能力你可能測試到(識唔識講日文,呃唔到兩個鐘掛),但性格點測?大把人同側邊嗰個訓埋幾十年晚晚聞臭屁都唔知佢點啦。
冇時間了解個員工性格,冇問題,好正常。搵啲Proxy去做指標,亦係人人都做嘅嘢—例如睇地址。以前鬼頭阿頭占士咖啡就睇地址請人—係專請新界仔(所以咪請我),覺得有motivation。住半山嘅自動delete,唔慌做得長。有人話歧視,OK,但英文叫乜?discrimination,判別呀。
篇文入面都有講,你估下個煙他了牙幾時會judge到你?答案係,你講完你個名後0.2秒。然後10秒之內佢就已經決定埋面試結果(所以唔好著便服見工呀)(http://bit.ly/2l5s0H5)。
所以用指標唔係問題,但你咪撚寫幾十篇文講到個過程好科學丫大佬。最大鑊嘅係,雖然大多數人都知道呢啲嘢唔科學—但佢地照用。而且呢種標籤,往往由你入職開始,到你走都洗唔甩—甚至帶埋去下一份工。
篇文都有講,即使係啲始作佣者,都會話你知,你頂多係用嚟在一大班人中篩選,例如邊啲人做呢個位好大機會瀨嘢(雖然我覺得咁嘅用途都係冇乜用嘅)。而唔係你安落每個人度,認為佢點點點。
New York Times 篇文(https://nyti.ms/2myOWPi),批判咗幾種最常見嘅性格測試,包括:
Myers-Briggs Type Indicator(簡稱MBTI):外向E/內向I,實感S/直覺N,情感F/思考T,判斷J/感知P。唔止見工用,啲人上徵友網都用。入面就有學者話,自己第一次做係INTJ,第二次係ESFP—即係精神分裂
DISC:支配型(Dominance),影響型(Influence),穩健型(Steadiness),分析型(Conscientiousness)—Sorry,我只係諗起BDSM。又,個撚個都當自己領袖架啦,唔通話自己任人點?個撚個都話自己獨立思考架啦。都話所有男性嘅性能力都係高於人類平均。
仲有Color Code,紅黃藍白。講你人生嘅drive,紅色係權力,白色係和平,黃色係過癮,藍色係情感。
Sorry,我諗起金利來嘅(http://bit.ly/2l8pn7j): 波浪紋,代表活潑豪放;碎花,代表體貼溫馨;斜紋,代表勇敢決斷;絲絨,代表溫暖保護;方格,代表熱心慷慨;圓點,代表愛慕關懷。做乜撚?
如果我係想做CEO,有權勢搵到好多錢,於是就唔撚使同你地嘈,日日好多女鍾意,玩乜都得。借問聲係紅黃藍定白?(話係四種撈埋喎)
當然仲有咩 多血 黏液 黃膽 黑膽之類(點解冇精液質?或者爛屎質?你唔發現有啲人個腦真係裝屎架咩?),就咩希臘幾千年嘅.......偽科學
講返Color Code,紅黃藍白。咁你睇篇文係乜呀年輕人?係為權力想上位,係為怕得罪埃汾睇到尾,係貪埃汾啲文過癮,定係情感上好欣賞埃汾呀?擺明係窮啦,DLKH.一百個香港人,一百個都係金色性格金利來。
點解呢啲測驗咁流行?文入面都有講。除咗係因為啲HR嘅智商外,亦都因為近幾十年,hard skill好似冇咁重要(你仲有冇在你份CV上面寫你識用Microsoft Word ?),講soft skill。但正如上面講,佢識唔識用pivot table,一測就知。但性格呢?好多時對成世都唔知,如果有啲快速測試,好似做科學實驗,測酸鹼度,一滴落去就知你幾多pH咩色,幾咁爽。同假新聞一樣,有咁嘅需求,咪有人製造垃圾。
咁至於,點解全部呢啲測試都係將人分類:因為人性就係鍾意幫嘢(包括其他人)分類咯!所以歧視,discrimination,係天性。二分法亦都係天性。你諗下你啲祖先,其實都只係分啲嘢食得,同唔食得。唔會分話「食得不過會肚屙」(祖先日日都肚屙架啦),「食得不過會肥」。
唔止,人亦會幫自己貼label。吾友 利世民 曾經問過我一個問題,就係我會點向第三者介紹佢。然後佢就話,而家都唔知點介紹自己。我發現我都有呢個問題。其實係三十幾歲後先有呢個問題。以前,好簡單啫。讀書時咪我係埃汾,港大精算(而我唔會同人更正並冇「精算系」呢回事)。溝港女時咪講,哦,我在Warwick 讀Master嘅。返咗工仲容易,我在星展做research嘅(我唔會bad taste到話自己係Director,or even worse,「我係研究部董事」,雖則我真係。)
但而家呢,自從多咗呢個,sort of 財演,又sort of writer(我都係覺得講作家好肉麻,但講「我係一個作者」又好奇怪)(http://bit.ly/2kX0AmT),就唔知點介紹自己了。更冇理由話自己係網紅,或者KOL。所以而家多數都係用啲好差嘅開場白:我正職做金融,得閒就寫嘢嘅。「寫乜嘢?」「乜都寫。」「例如呢?」「真係咩都有」「在邊度寫?」「網上咯」。正常就end of conversation.
唔止人要幫其他人分類,自己都要幫自己分類嘛。我寫完呢篇文都要揀5個tag啦。labeling 無處不在。呢條,金融撚。嗰個?港女。對面?廢老。
結尾補多句。你睇完篇文,可能會覺得:喂,人地都係話「性格測試同廟街睇相差不多」,何解埃汾話「衰撚過廟街睇相」?
原因好簡單,廟街睇相嘅,畀錢嗰個當然可能當真,但收錢嗰個大多數都係知係假嘅。但玩性格測試嘅,畀人測嘅固然有人真心膠,但重點係測嗰個都當係真嘢。你話幾大劑?
________________________________________
彩蛋,去到第二年,金利來嘅廣告(http://bit.ly/2l5Llbb),一樣都係嗰款款,都係嗰幾款形容詞。但match up 就唔同晒!圓點變咗係熱心慷慨,唔再係愛慕關懷!
咪同啲乜撚性格測試一樣咯。任撚你講。
word標籤格線 在 鍾日欣 Youtube 的最佳貼文
我是JC老師
電腦相關課程授課超過6000小時的一位AutoCAD課程講師
由於實在太多同學向JC老師反映,希望可以有線上課程學習
所以就決定錄製一系列的AutoCAD線上影片教學
而且不加密、不設限、不販售,就是純分享,希望可以幫助到有需要的朋友們
如果這部AutoCAD教學影片對你有幫助的話
請幫我按個讚,給我點鼓勵,也多分享給需要的朋友們喔~
---------------------------------------------------------------------------------------------------------
多行文字MTEXT(MT)(T):
● 和WORD差不多,屬於段落文字
● 執行指令,拉出文字框,開始打字
● 點下第一點後可設定:高度(H)、對正(J)、行距(L)、旋轉(R)、字型(S)、寬度(W)
● 可用性質控制
● 對正方式
● 文字大小、文字顏色、文字字型
● 縮排與標籤
● 變更大小寫
● 符號:有上標及下標
● 項目符號及編號
● 使用特殊字元指示選取文字的堆疊方式。
◆ 反斜線 (/) 垂直堆疊文字,由水平線分隔。
◆ 井字號 (#) 依對角方向堆疊文字,由對角線分隔。
◆ 脫字記號 (^) 用於建立公差堆疊,此堆疊為垂直堆疊,而非由線分隔。
● 可以輸入1/2為直式,選取後右鍵
● 匯入純文字、匯入RTF文字、直接貼上、選擇性貼上/Microsoft WORD文件、選擇性貼上/AutoCAD元件、選擇性貼上/文字、右鍵匯入文字
● 背景遮罩:進入文字編輯狀態,右鍵,背景遮罩
● 現地編輯功能
● 設定欄位
◆ 動態欄
★ 自動高度:設一個高度,只要超過高度就會自動增加欄數
★ 手動高度:可以分別對每一欄設定不同的高度
◆ 靜態欄
★ 依設定的欄高與欄數分欄
◆ 插入分欄符
★ 強制分欄符號
◆ 欄設定
★ 設定欄寬、高度、間距
---------------------------------------------------------------------------------------------------------
AutoCAD 2016 2D 線上教學影片目錄:http://bit.ly/2Y5F4Mw
AutoCAD 2016 2D 線上教學影片範例下載:https://bit.ly/3eOuKQR
AutoCAD 2D 常用快速鍵清單整理:http://bitly.com/2dUEJ9d
建築室內設計Arnold擬真呈現教學影片目錄:https://bit.ly/2VbZmmd
TQC AutoCAD 2008 2D 線上教學影片目錄:http://bitly.com/2dUGQtB
3ds Max 2015 線上教學影片目錄:http://bitly.com/2dUGqn3
JC老師個人網站:http://jc-d.net/
JC老師個人FB:https://www.facebook.com/ericjc.tw
JC-Design LINE ID:@umd7274k
word標籤格線 在 吳老師教學部落格 Youtube 的最佳貼文
從VBA到Python程式開發3班第10次上課(安裝beautifulsoup4&檢查標籤與類別並用BS4解析取的資料&將YOUTUBE改為YAHOO新聞&將解析網頁改為剝洋蔥式&下載GOOGLE搜尋結果&下載台銀外匯與格式化輸出)
01_重點回顧與安裝beautifulsoup4
02_檢查標籤與類別並用BS4解析取的資料
03_將YOUTUBE改為YAHOO新聞
04_將解析網頁改為剝洋蔥式
05_下載GOOGLE搜尋結果
06_下載台銀外匯與格式化輸出
完整影音
http://goo.gl/aQTMFS
教學論壇(之後課程會放論壇上課學員請自行加入):
https://groups.google.com/forum/#!forum/tcfst_python_2018_3
懶人包:
EXCEL函數與VBA http://terry28853669.pixnet.net/blog/category/list/1384521
EXCEL VBA自動化教學 http://terry28853669.pixnet.net/blog/category/list/1384524
課程簡介:入門
建置Python開發環境
基本語法與結構控制
迴圈、資料結構及函式
VBA重要函數到Python
檔案處理
資料庫處理
課程簡介:進階
網頁資料擷取與分析、Python網頁測試自動化、YouTube影片下載器
處理 Excel 試算表、處理 PDF 與 Word 文件、處理 CSV 檔和 JSON 資料
實戰:PM2.5即時監測顯示器、Email 和文字簡訊、處理影像圖片、以 GUI 自動化來控制鍵盤和滑鼠
上課用書:
參考書目
Python初學特訓班(附250分鐘影音教學/範例程式)
作者: 鄧文淵/總監製, 文淵閣工作室/編著?
出版社:碁峰? 出版日期:2016/11/29
Python程式設計入門
作者:葉難
ISBN:9789864340057
出版社:博碩文化
出版日期:2015/04/02
吳老師 107/12/25
EXCEL,VBA,Python,自強工業基金會,EXCEL,VBA,函數,程式設計,線上教學,PYTHON安裝環境
word標籤格線 在 吳老師教學部落格 Youtube 的最佳貼文
從VBA到Python程式開發3班第10次上課(安裝beautifulsoup4&檢查標籤與類別並用BS4解析取的資料&將YOUTUBE改為YAHOO新聞&將解析網頁改為剝洋蔥式&下載GOOGLE搜尋結果&下載台銀外匯與格式化輸出)
01_重點回顧與安裝beautifulsoup4
02_檢查標籤與類別並用BS4解析取的資料
03_將YOUTUBE改為YAHOO新聞
04_將解析網頁改為剝洋蔥式
05_下載GOOGLE搜尋結果
06_下載台銀外匯與格式化輸出
完整影音
http://goo.gl/aQTMFS
教學論壇(之後課程會放論壇上課學員請自行加入):
https://groups.google.com/forum/#!forum/tcfst_python_2018_3
懶人包:
EXCEL函數與VBA http://terry28853669.pixnet.net/blog/category/list/1384521
EXCEL VBA自動化教學 http://terry28853669.pixnet.net/blog/category/list/1384524
課程簡介:入門
建置Python開發環境
基本語法與結構控制
迴圈、資料結構及函式
VBA重要函數到Python
檔案處理
資料庫處理
課程簡介:進階
網頁資料擷取與分析、Python網頁測試自動化、YouTube影片下載器
處理 Excel 試算表、處理 PDF 與 Word 文件、處理 CSV 檔和 JSON 資料
實戰:PM2.5即時監測顯示器、Email 和文字簡訊、處理影像圖片、以 GUI 自動化來控制鍵盤和滑鼠
上課用書:
參考書目
Python初學特訓班(附250分鐘影音教學/範例程式)
作者: 鄧文淵/總監製, 文淵閣工作室/編著?
出版社:碁峰? 出版日期:2016/11/29
Python程式設計入門
作者:葉難
ISBN:9789864340057
出版社:博碩文化
出版日期:2015/04/02
吳老師 107/12/25
EXCEL,VBA,Python,自強工業基金會,EXCEL,VBA,函數,程式設計,線上教學,PYTHON安裝環境
word標籤格線 在 Word 標籤格線下載、列印標籤、索引片怎麼用在PTT/mobile01 ... 的推薦與評價
在Word 標籤格線下載這個討論中,有超過5篇Ptt貼文,作者eynyrc1也提到補充: 免費13款實用【學英文APP推薦】分享,初中高階適用-讓你隨時練習自學英文方法! ... <看更多>
word標籤格線 在 word如何在無框線的情況下顯示虛擬框線? - Mobile01 的推薦與評價
word 如何在無框線的情況下顯示虛擬框線? - 如下圖(網路抓的)目前已經是無框線但是word會顯示灰色的假框線給你對照實際上印出來不會有框線我用我的word2013把表格用無框 ... ... <看更多>
word標籤格線 在 Word 標籤格線下載、列印標籤、索引片怎麼用在PTT/mobile01 ... 的推薦與評價
在Word 標籤格線下載這個討論中,有超過5篇Ptt貼文,作者eynyrc1也提到補充: 免費13款實用【學英文APP推薦】分享,初中高階適用-讓你隨時練習自學英文方法! ... <看更多>