CSIE Communications

訪問對象：沈林承 訪問人員：陳建丞 張維哲 Q1：自我介紹 A1：我是台大資工B00的沈林承，我大學畢業後繼續讀了網媒所，之後當了一年兵就來CloudMosa就業了。當初在網媒所跟的是莊永裕教授，做的領域主要是影像處理相關的部分。 Q2：當初為什麼會選擇新創公司？ A2：大公司和小公司的做事方式比較不同。大公司有較完整的工作文化，像是自己寫完的code不能輕易地用在產品上，要有其他人review過，且還要經過層層公司產品的規劃才能上市，雖然比較完整，但自己做的東西和實際產品可能差很多。小公司開發計畫相對比較不扎實，但開發的東西可以很快就在市場上得到回饋，看到效果。 以武俠小說來比喻，會有將軍命令小兵做事情，大俠可以自己做自己的，身懷絕技，大公司會有像將軍這樣的人物來指揮領導，如果把大俠放到這樣的團隊裡面，就會有點有志難伸。對小公司而言，沒有人能一直帶你做事情，要有想法，自己知道自己該做什麼事情，相對地，也比較可以自己做各自領域的事，而不是只專注於單一領域，自己比較喜歡後者。 Q3：瀏覽器市場比較競爭且飽和，為什麼會選擇加入這家公司？ A3：因為好玩啊。以武俠小說來說，兩種人，其中一種人只練一種兵器練到出神入化，而另一種是學習很多種兵器，有這麼多種兵器為什麼不多學一點。自己在研究所時都在做電腦視覺和影像處理相關，研究也都在這個領域上，有點無聊了，換個風景也不錯。如果哪天有人問自己說，某個新的網頁技巧你有沒有聽過，或者某個新的作業系統架構你有沒有看過，如果我都只能說：「我什麼都不知道，我只做影像處理」，自己不喜歡這樣。 而瀏覽器包山包海，牽扯到網路、圖形繪製、資安、記憶體管理⋯⋯等，加入新創團隊的話，所有學過的Computer Science的知識都用得到，也可以檢驗學校教的東西和市場上真的用得到的東西是否吻合，是不是已經過時了。做瀏覽器可以學到各式各樣的東西，而不是只會課本上提到的東西。 工作方面其實很多都要重新開始學，但很好玩啊，自己不喜歡把過去的自己看得太重，只會被自己纏住，Computer Science有這麼多機會，應該把握當下，多方嘗試機會。 Q4：新創公司內部風氣如何？ A4：活動很熱烈，大家平時也會一起去運動、打桌遊、聚餐，也有電影欣賞會，同事之間互相也都很熟悉。而人員結構比較不一樣，大公司的人員結構像...

李廣和（B00，MIT 博士班二年級） 訪問對象 ： 李廣和學長 訪問時間 ： 5/30/2019 訪問人員 ： 方喬、綦家承 Q1： 簡單的自我介紹 A1： 我是台大資工B00的李廣和。大學專題跟林守德老師做了一段時間，當一年替代役後回到台大資工進到陳縕儂老師的實驗室讀碩士。現在在MIT念computer science的Ph.D二年級。 Q2： 在大學期間覺得最受用的課或活動 A2： 有兩門課，一門是演算法。大二上同時有演算法設計與分析和系統程式設計這兩門課，一門著重於演算法，一門著重於工程，讓我了解我在資工這個領域是比較喜歡偏computer science還是engineering的方向。 另一門課是大三的時候我選修了一門研究所的課，叫「KDD Cup」。這門課是幾位老師帶學生去打data mining的比賽，是我在加入林守德老師的實驗室之後做的第一個專題的目標。這對於我之後在研究的實作或思考方法時都很受用。 Q3： 大學和研究所時的專題研究內容 A3： 我的大學專題是做一個「Learning to Rank」的推薦系統。傳統的推薦系統可以想作為一個使用者對項目的矩陣，上面有使用者看過項目後給的評分，大家習慣把它變成一個線性代數的問題，把矩陣做分解運算。但是像是Facebook的好友推薦不會顯示評分，而是告訴你哪幾個人最可能是你的朋友，或者像Google會把搜尋結果做相對排序，而不是針對每一筆資料打絕對的分數。我在專題所做的就是研究在推薦系統中如何在矩陣分解的架構下以相對的排序表示使用者對於項目的喜好度。 我在研究所做的是自然語言處理(Natural Language Processing, NLP)，明確的項目是「Unsupervised Sense Embedding」。大概就是給機器一堆文字，但不提供任何註解或者是字與字之間的關係，讓機器自己像人一樣學習；像我們平常閱讀偶爾會自動發現一些沒有學過的東西，說不定電腦也能做到差不多的事情。我的演算法同時執行兩種模組從文字中學習，一個模組可以由前後文選擇一個字在不同語境下的意義，另一個模組學習要如何以向量表示這個意義，以便日後機器學習或人工智慧的執行。 Q4： 出國的原因 A4： 因為台灣的CS產業感覺還是相對弱勢，我也想看看國外是不是真的像大家說的一樣比較好，還有想...