AI睇真D

今集 Morris 同 Albert 請嚟喺 Amazon 嘅 Jeffrey，由 AI 大神 Andrej Karpathy 點樣發明呢個 term 講起，再深入拆解到底呢種「跟住感覺走」嘅寫 code 方式係點運作，同埋最重要嘅問題：我哋班工程師係咪就快要執包袱？「Vibe Coding」到底係乜東東？：原來個 term 係由 OpenAI 同 Tesla 嘅 AI 大神 Andrej Karpathy 提出！一齊解構呢個「跟住感覺走」嘅全新寫 code 方式，點樣由純粹嘅指令，變成同 AI 嘅對話。Amazon 內部神秘武器「Kiro」大揭秘：喺 Amazon 做嘢嘅 Jeffrey 親身分享佢哋內部係點樣用 AI 輔助開發，由 define user requirements，畫 architecture design，到真正落手寫，AI 點樣滲透入開發嘅每一個環節？由 Command Line 到 IDE：AI 寫 Code 點樣由黑底白字嘅 command line，一步步進化到同我哋嘅開發工具無縫結合？個進化過程原來同我哋嘅工作模式息息相關！Junior Developer 末日？Senior Engineer 更馨香？：AI 嘅出現，對唔同經驗水平嘅工程師帶嚟咩衝擊？點解有經驗嘅工程師反而可能有優勢，而 Junior 嘅學習路徑可能要徹底改變？Prompt Engineering 同 Human in the Loop：點解同 AI 溝通都係一門學問？我哋嘅角色點樣由「執行者」變成「指揮家」？寫一個好嘅 prompt 同一個差嘅 prompt，個結果可以差幾遠？真係完全唔識都寫到 App？：坊間好多人話靠 AI 就由零變專家，整到個 App 出嚟仲可以賣錢。到底係咪真係咁神奇？過來人同你分享當中嘅「中伏」位同現實差距。未來工程師嘅生存之道：面對 AI 浪潮，我哋應該點樣裝備自己？點解「終身學習」同「保持好奇心」唔再係口號，而係必需品？一齊聽下三位行內人嘅真心建議！

今集 Morris 同 Albert 請嚟喺 Loyalty Program 領域有豐富經驗嘅數據科學家 (Data Scientist) Ray，深入淺出咁拆解呢啲計劃背後嘅商業模式同數據科學，揭開點解我哋會不知不覺間「忠誠」於某個品牌。點解要有 Loyalty Program？：留住舊客 vs 搵新客嘅成本效益，同埋點樣最大化「客戶終身價值」(Customer Lifetime Value)。兩大主流 Loyalty Program：Currency Base（積分制）同 Tier Base（等級制）有咩分別？點解 YUU 同航空公司嘅玩法咁唔同？「賺分-換分」循環 (Earn-Burn Cycle)：呢個係 Loyalty Program 嘅命脈！點樣設計一個健康嘅循環，令計劃可以持續賺錢？點解個速度唔可以太快又唔可以太慢？數據科學點樣應用？：由「客戶分群」(Segmentation) 到建立「客戶畫像」(Persona)，再用 AI 模型（例如 Embedding）預測你嘅消費喜好，為你度身訂造優惠同推薦。「里數達人」係敵是友？：點解 Loyalty Program 唔怕你「玩盡個系統」，甚至某程度上歡迎呢種行為？點樣預測「客戶流失」(Churn)？：點解有啲計劃要取消積分過期日？呢啲決定背後有咩數據支持？消費者點樣玩得最精明？：Ray 分享咗幾個貼士，包括點樣衡量積分價值、留意「現金+里數」嘅玩法，同埋了解背後嘅私隱取捨。AI 嘅未來衝擊：生成式 AI (Generative AI) 同 AI Agent 會點樣改變 Loyalty Program 嘅玩法？以後會唔會有個 AI 幫我哋自動管理所有積分同搵出最抵嘅兌換方法？無論你係一個精打細算嘅消費者，定係對數據科學、市場學有興趣嘅朋友，今集都會帶俾你好多有趣嘅啟發！

今集請嚟 Microsoft 嘅 Kary，同 Albert、Morris 一齊傾 Gen AI 嘅實際應用，深入探討企業點樣導入 AI，同埋點樣用 AI 提升工作效率。嘉賓 Kary 嘅 Gen AI 工作分享企業導入 AI 嘅挑戰：用戶習慣同期望管理量度 AI 價值 (ROI) 嘅難題不同行業對 AI 嘅接受程度Gen AI 衍生嘅新機遇

本集節目特別邀請到Hilton，他曾在全球領先的專業社交平台LinkedIn以及支付科技公司Stripe等企業擔任要職，擁有豐富的People Analytics實戰經驗。他將分享如何在這些高速發展的科技公司中，運用數據分析優化人力資源管理，並預測未來人才需求。一、People Analytics 為何物？: Hilton將分享其在LinkedIn、領先企業及英國政府部門的豐富經驗，深入解構如何運用People Analytics洞悉人才市場趨勢，預測職位需求，並有效解決人才短缺問題。案例分析涵蓋香港人才外流等熱點議題。三、應對招聘寒冬：策略性人力規劃與AI的應用: Albert將分享其親身經歷的招聘高峰與寒冬（Hiring Freeze），並與Hilton共同探討導致招聘凍結的深層原因，例如宏觀經濟環境及公司內部策略調整。 透過案例研究，深入了解如何利用AI技術優化招聘流程，提升效率和轉化率。四、全球視野下的企業人力資源策略: 本環節將比較分析不同地區（包括新加坡、歐洲和美國）的人才市場及企業人力資源策略。 我們將探討如何運用AI技術預測員工流失（Attrition），並制定更精準有效的人才留存策略。五、AI時代下的人力資源管理：挑戰與機遇: 本集將總結AI對人力資源管理的影響，探討AI技術在預測、規劃及決策方面的應用，並為職場人士提供寶貴的建議，協助您在AI時代保持競爭力，掌握職場發展機遇。 最後部分更延伸至AI對不同職種的衝擊與個人職涯規劃。

這集 Podcast 主要討論了 AI 是否會取代程式工程師的工作，從自身經驗出發，分享了他們在日常工作中如何使用 AI 工具。他們也探討了在軟體開發流程中，哪些環節 AI 可以發揮作用，哪些環節仍然需要人類的判斷和創造力。AI殺到埋身，工程師點算好？ (00:00 - 04:46) AI寫Code快過你，仲唔驚失業？ (04:46 - 11:40) 教AI做嘢，難過教仔？ (11:40 - 22:20) 人情味先係王道(22:20 - 31:29)

面對日新月異的 AI 發展，好多人感到迷惘，唔知點追趕和應用。本集邀請到推行緊AI私補計劃嘅 Samuel，分享他如何引導不同背景的人運用 AI，並將其融入生活和工作。Samuel 強調「心態」的重要性，鼓勵大家從自身痛點出發，探索 AI 工具的應用。想擺脫 AI 焦慮？一起來聽聽 Samuel 的 AI 私補計劃心得啦！AI 的浪潮與迷惘 (00:00 - 03:22)企業如何導入 AI 技術 (03:23 - 15:05)AI 時代的心態與認知 (15:06 - 29:11)AI 私補計劃：個人化 AI 學習旅程 (29:12 - 56:08)擁抱 AI 的未來：保持童真與玩樂心態 (56:09 - 59:40)

這一集我們想討論一個我們每天都在用，但可能不太了解的技術，就是GPU。GPU的日常應用其實很多人可能沒有意識到，他們每天都在使用GPU。電腦的顯示卡裡就有GPU，我們工作上訓練模型也需要GPU的算力。就連ChatGPT背後的運行也依賴大量的GPU來快速回答問題。第一次接觸GPUMorris第一次接觸GPU是在我們還是同事的時候，需要訓練一些模型，特別是圖像模型。我記得當時買了一些GPU，實際看到那些GPU的體積像迷你雪櫃一樣大。Albert也提到當時我們買的GPU很貴，每塊可能要二十萬港幣。GPU的歷史和用途GPU最早是為了打遊戲而設計的，因為3D遊戲場景需要即時計算，普通的CPU無法勝任這種即時運算。而GPU有成百上千個小核心，可以平行處理大量數據。後來，GPU的這種平行運算能力被用於訓練AI模型，如Deep Neural Network。GPU在AI中的重要性OpenAI的創始人之一Sam Altman提到，NVIDIA的第一個最強GPU曾被親自送到OpenAI，這成為AI發展的關鍵點。GPU使得Deep Learning和Large Language Models成為可能，如今的AI技術都依賴這些強大的GPU來進行訓練和運行。未來GPU的發展未來GPU的發展可能會走向兩個極端。一方面，像OpenAI這樣的公司會使用越來越多的GPU來訓練更大更複雜的模型。另一方面，可能會有一些方法讓普通的設備也能以低成本運行較小的AI模型。結語GPU在我們的日常生活和工作中扮演著越來越重要的角色。無論是訓練AI模型還是運行大型語言模型，GPU都是不可或缺的工具。希望大家通過這一集對GPU有了更深入的了解，期待下一次的討論。 

Morris，Albert 和 Patrick 在這集 Podcast 中討論了賭博公司和賭球背後涉及的數據科學和人工智能。Patrick 分享了他作為數據科學家在博彩公司工作期間的經驗和見解。內容包括：賭博與賭波賭波賠率的制定數據科學和人工智能在賭波中的應用如何成為成功的賭徒？

Morris 同 Albert 續繼討論對 LLM 限制嘅見解，例如產生唔存在嘅內容，同埋展示出理解上嘅局限。今集會討論下:LLM 無法訪問實時數據，這限制了它們回答當前事件或信息的問題的能力。通過提供相關背景、使用搜索功能和優化提示，可以改善 LLM 的響應。LLM 可以通過提供大量的特定示例和專門的培訓來進行細調，以處理更專業的任務。用戶應該意識到 LLM 有其限制，並調整他們對這些工具的期望。

Morris同Albert討論咗最近人工智能嘅發展,特別係大型語言模型(LLM)嘅突破。佢哋分享咗對LLM嘅理解,同埋點樣用prompt engineering嚟同AI溝通,令到AI可以做到更加接近我哋想要嘅嘢。人工智能軟件工程師Devin：自動完成任務，展示AI自主性。大型語言模型(LLM)：運用統計學預測文字，處理長文本同圖片。LLM限制：可能會產生不存在嘅內容，顯示出理解上嘅局限。Prompt Engineering：用清晰嘅提示指導AI，達到準確結果。Chain of Thought (CoT) prompting：逐步引導AI思考，提升準確度。創意與AI：喺AI時代，創意變得更加重要，需要用創新方式同AI合作。AI時代嚟啦,創意同語言表達能力將會係新時代嘅重要技能!想知詳情,就要撳實聽呢一集啦!

呢一集，我地邀請咗喺愛沙尼亞 Call 車 App 公司 Bolt 工作嘅 Senior Data Scientist Kenil，同我地講下 Call 車 App 嘅各種問題和特點。我地會從用戶體驗嘅角度出發，分析 Call 車 App 係點樣利用數據科學同人工智能去解決用戶和司機嘅配對、定價、路線、時間預測等問題。另外，我地仲會討論 Call 車 App 嘅其他服務，例如外賣送貨，以及 Call 車 App 未來嘅發展同挑戰。節目大綱：從 Call 車 App 用戶體驗出發，Call 車有咩過程？地理位置有幾重要？Call車之後要喺邊度上車？點樣有效配對乘客和司機？Call車平台嘅目的：Optimization動態價格 (Dynamic Pricing) 有咩好處？點樣決定收費？預測車程時間 (ETA) 嘅方法成功上車之後又有咩問題呢？外賣送貨服務有咩困難？Call 車 App 嘅未來發展

喺今集，我哋會同大家分享我哋對人工智能嘅熱情同埋點解我哋決定開始呢個節目。我哋會講喺AI領域嘅背景同工作經驗，並預告將來節目嘅精彩內容，包括AI技術嘅行業應用、深入解釋，以及我哋喺跨國求職路上嘅經歷。