Practical guides for a Hong Kong career

【職場求生術】 上班族必學：無痛收納術

上班族愈忙愈亂，固然因為排山倒海的工作量，另一禍源就係亂成一團的辦公桌。現在就向專家學習無痛收納術吧……

【DSE放榜攻略】 DSE放榜日要做足準備 七大必備物品Checklist

7月10日係DSE放榜大日子，可能不少考生都有心理準備在放榜後需要為升學籌謀。要增加撲學位勝算，最好預先準備定以下七大物品……

【行業內情】 學校書記真係最強文職筍工？

雖然都係文職，但學校處理的文件、工作流程同私人機構都有唔少分別……

學寫程式為何甚艱難?

如果你想學寫程式，在網上搜尋一下，不難找到不少「輕鬆學習XXX」、「YY天輕鬆學會Python」的教材及影片;去電腦書店逛一圈，很容易就可以找到「七天學會Java」等的書籍，這些教材其實都在推廣一個信念，也就是: 學寫程式很簡單，人人都可以學會。 筆者對此信念後半部深表認同，但是對前半部所謂「學寫程式很簡單」，卻真是不敢苟同。 筆者深信No pain, no gain的哲學，世上大部份有價值的事物，都必須努力才能達到，如果真是可以「YY天輕鬆學會編程」，那豈不是明天所有軟件工程師都要失業？學寫程式，就像練馬拉松一樣，人人皆可做到，只是必須要付出努力。將一樣要付出努力才能達成的事物，簡化成「XX天就可以輕鬆學成」，會令初學者初遇困難時，誤以為自己無甚天份，繼而失去學習動機。反而一早說明學習時會遇上的困難，才能為初學者提供正確的心理準備。就像你要去挑戰一座高峰，你找了一個曾經登上該座高峰的朋友請教，那朋友卻說:「很簡單的，不用訓練，人人也可以上去」，這可不是安慰說話，而是害人不淺。 你必須學習新語言 程式語言之所以稱為程式語言，原因是因為程式語言確是一種語言，而且皆是專為向電腦說明步驟而發明的。因此本質上與自然語言有很多不同的地方，一個經典的Programmer笑話是這樣的: A programmer is going to the grocery store and his wife tells him, “Buy a gallon of milk, and if there…

【職場實用英語】別與「時間」開玩笑！10個善用「Time」的貼士

時間就是金錢，這次跟大家談談如何善用「時間」，不過是從英文文法的角度去討論「Time」這個字的用法……

【行業內情】 喺香港教大專：人工有幾多？有冇淡旺季之分？學生難教嗎？

想教書，又唔想教中、小學，但學歷又未去到教授級數嘅，唔少都會考慮到大學嘅附屬學院或其他自資專上院校教下啲毅進、副學士或者高級文憑課程。其實教大專好唔好做……

【懵面蕉仁】以前你有

【職場實用英語】5分鐘寫完 Thank you letter (Part 2)

人一生可能會轉好多次工、搵好多次工，所以亦都要見好多次工，所以效率非常重要，我哋會喺度逐 part 教你用最短時間寫最有效嘅 Thank you letter。未睇上期 Thank you letter 寫法嘅話可以睇番。   實例點評 上期講到以下例子，為咗方便所以copy咗過嚟： Subject line: Thank you letter Dear [Sir/Madam], I enjoyed meeting you and it was a pleasure to be interviewed.

科技會過時？

不諳編程或是編程初學者常常會有一個印象：就是資訊科技發展很快，一種最新技術可能數年又會變得「不再流行」，又時時會有一些新穎的科技流行語(Buzzword)，早幾年是雲端、大數據，過了一會又是數據科學、人工智能、現在又出現了所謂的區塊鏈技術。編程初學者，在沒有先前經驗的情況下，往往無所適從，不知如何是好。 由蒸汽機講起 要理解科技變遷的原因，最好的方法莫過於觀察科技一直以來的發展歷史：蒸汽機這個名詞，聽起上來非常十九世紀，蒸汽火車是只有老一輩才曾經坐過的交通工具，十九世紀英國發明家占士．瓦特(James Watt)改良原有蒸汽機，正式開啟工業革命的時代。蒸汽機在工業時代不可或缺，當時出現了蒸汽火車、蒸汽船、甚至蒸汽推動的汽車。二十世紀初，內燃機(Internal Combustion Engine)的發明，使傳統的蒸汽機，慢慢退出歷史舞台，今時今日的汽車及輪船，皆是由內燃機所推動的。 內燃機與蒸汽機最大的分別，在於蒸汽機是外燃機，也就是以燃料在容器外加熱，將釋放之熱能轉化為機械能，從而推動機器。內燃機則相反，將燃料放於容器內加熱，既是燃料也是介質。 內燃機成為現今絕大多數交通工具的引擎，原因就是內燃機的能量轉化效率較多，約有三至四成，相比起 蒸汽機的一至兩成，改善良多。 那蒸汽機就完全被人類文明摒棄了嗎？當然不是，蒸汽機同內燃機其實在性能上各有優劣，蒸汽機非常適合有恆常(constant power output)輸出的情況，也就是不適合經常改變負載(Sudden Loading Changes)。因此相對而言，在汽車的情況，行行停停的汽車，使用蒸汽機，遠比使用內燃機無效率。反之，在發電廠的世界，基本上全都使用 蒸汽渦輪發動機(Steam Turbine)，因為供電輸出必須恆定，發電廠不會行行停停，在這種情況下，使用蒸汽機就比內燃機更有效率。 資訊科技的情況 資訊科技的情況，與上述情況類似，任何改變，必然是由於有一個明顯的好處，才會推動技術的進步。就用近年的Buzzword作為例子： 1. 雲端計算(Cloud Computing)是由於現代應用程式需要快速擴張負載能力(Scale Up loading)，傳統自行託管的數據中心方式，已經無法達至如此的需求，想像一下，要在傳統的數據中心增設一部伺服器，起碼要一個星期。相較之下，在Amazon Web Service上增設一個EC2，只是十分鐘的問題。 2. 大數據的出現，是伴隨著雲端計算的發展而壯大，未有雲端計算之前，處理大量、多種類的數據是一個複雜的問題，要對數據加以分析亦難以成事。當數據不論容量、種類、收集速度都上升的情況，大數據處理工具如Apache Spark、Apache Hadoop等就應運而行。 3.…

【職場實用英語】5分鐘寫完Thank you letter (Part 1)

只要有 sample，有 template，寫一封 Thank you letter（感謝信）只需要 5 分鐘，相比起睇 job ads、send CV、去見工所花嘅時間，呢 5 分鐘絕對值得。   Thank you letter 真係有用？ 邀請得去面試嘅 candidates，大家都差唔多學歷同經驗，要突圍而出，除咗面試嘅表現，一封 Thank you letter 往往係成敗關鍵。 最近有調查1顯示，高達五分一嘅招聘人員會自動 DQ 冇 send Thank you letter 嘅 candidates。  根據另一份調查2，有八成 HR 經理認為你封 Thank you letter 嘅內容會左右佢哋嘅最終決定

港人VS西人；工作文化大沖激

大家有冇同外國人一齊做嘢嘅經驗呢？有冇試過遇到一啲情况係完全唔明對方會咁做嘢，最死係咩呀？係佢覺得冇問題呢吓先惡頂呀！今日就等我哋探討吓香港同外國人喺工作文化方面有啲乜嘢唔同啦！（利申呀，我哋訪問嘅人不代表全宇宙其他人立場呀！）   1）工作節奏 香港人眼中： 香港：工作節奏比較快，更改會多啲，諗到就即刻做。 外國：工作節奏會比較慢，偏向有系統及步驟。(嗱你睇我講嘢幾咁圓滑呀〜) 外國人眼中： 香港：工作節奏明顯急好多，反應都快啲，會有好多唔同新鮮嘅工具，十分有趣呀 外國：好多嘢都好花時間呀，返到公司要打下招呼寒暄吓，亦要有足夠嘅lunch break，仲要覆埋啲唔知覆嚟做乜嘅email！   2）加班工作 香港人眼中： 香港：OT呢家嘢，大家香港人你明㗎啦邊有得話say no㗎啫 外國：佢哋好注重work life balance㗎，OT？傻傻哋㗎你都〜 外國人眼中： 香港：OT簡直就係佢哋嘅文化呀，佢哋一邊投訴一邊又接受喎，奇奇怪怪咁〜 外國：必要及合理嘅時候我哋會接受，但你必須有理由說服到我   3）收工處理工作 香港人眼中： 香港：老細send到比你梗係要覆，你唔覆禮拜一又比人捉入房照肺 外國：Well，有咩我哋禮拜一返工再講〜 外國人眼中： 香港：當然會處理啦，工作融入佢哋嘅生活，就算係weekend佢哋都會處理 外國：No,no,no~收工呀嗎，收工仲做嘢就唔叫收工啦〜  …

非結構化數據

近年數據科學及人工智能發展迅速，大眾開始對數據(Data)有很大興趣，甚至有「數據是未來的石油」(Data is the new oil)的講法。很容易會聽到如大數據(Big Data)、數據導向決策(Data Driven Decision)、數據化組織(Data Organization)等等與數據相關的詞語，其中重點，不外乎都是如何運用已儲存的數據，通過數據處理及數據分析，從而得出結論，幫助決策。筆者今日希望談談的，是另一個技術用語，與大數據一詞經常一齊出現，就是非結構化數據(Unstructured Data)。   何謂數據 要理解非結構化數據，要先理解何謂數據，廣義上的數據通常指的是原數據(Raw Data)，是我們為了記錄事物而製造出來，因此要定義數據，筆者會用以下的定義。 數據本質上是紀錄(Record)，是狀態的紀錄(Record of states)，通常專指未經處理的原數據(Raw Data)。 記錄的形式可以包羅萬有、層出不窮，一個原始人結的繩結是數據；一本寫在竹簡上的書是數據；一個Excel檔案也是數據。資訊科技的高速發展，令我們可以儲存及記錄大量數據。由數據開始，人類可以掫取資訊(Information)，歸納為知識(Knowledge)，內化成智慧(Wisdom)。     所以數據是分析、學習的基礎，沒有數據，則無法從中掫取資訊，知識就更不可能由其中歸納而成。因此現今對數據的重視，最終目的，就在於希望由分析原數據，得到未知的見解(insight)。 結構化 只是有數據，仍是不夠，我們還需要將數據以結構化(Structured)的方式儲存，才能加以利用。試分析以下兩個情況: 1. 將銷售數據變成如下圖Excel欄及列的形式，分門別類處理好。 2. 收集好每一張銷售發票及銀行月結單，再作統計 要作銷售額統計，兩者較為容易呢？理所當然是前者。 分野原因何在？最關鍵的原因，在於數據是否已經結構化，Excel的欄及列有明顯數據結構:Product、Countries、Qtr1、Qtr2都是早已定義好的…