fbpx
初心者也能上手的版本控制基本指南工程思維

初學者也能上手版控的基本指南

本篇大綱: 何謂版本控制? 版本控制的類型和用途 Git介紹和使用者 Git vs Github vs Gitlab 何謂版本控制? 版本控制系統是一種軟件工程的開發技巧,可以通過這個系統讓每位成員的軟件版本可以方便同步和維護管理 (不然要用電子郵件或其他工具傳送和管理十分麻煩,尤其是程序又常常會有不同版本修改的問題!) 在沒有版本控制系統時,我們常會在編輯檔案前複製一個備份,或者在更新檔案後產生許多重複檔案,非常不便且難以維護。 因此,使用版本控制系統的需求就這樣產生啦! 版本系統類型和用途 舉例來說:A&B共同開發專案,有兩種版本控制方法: 1.中央式: 伺服器維護一個最新版本的專案,當要修改專案的時候,就從伺服器上下載專案,改完再上傳。 為了保證伺服器上永遠是最新的,就需要一直保持網路暢通;一旦中央伺服器壞了,一切都將結束。 CVS是最初的版本控制系統,SVN是當前最流行的集中式版本控制系統。上述兩個都是開源,免費的。 2.分散式: 一開始,A本地電腦有一個倉庫,用於存儲“ A對專案的修改”(B也一樣)。 需要更新整個專案的時候,A,B之間就互相點擊“修改”,然後本地倉庫就保存了“所有人該專案的修改”。 因此,每個人都有最新版的專案,斷網斷電也不用擔心。…
celia
February 11, 2020
Python工程思維

Python資料處理套件Part6 – Pandas 數值處理與基礎統計量

上一篇文章主要介紹如何利用pandas處理字串資料,而這章節的會著重於數值的資料處理以及顯示基礎統計量的方法。在資料分析中,數值資料是非常常見的,而且對於後續的深入分析而言,數值資料能夠讓我們進一步利用推論統計檢定許多因素與目標的關聯性,幫助我們能夠利用檢定結果進行決策,或是發現夠深入的趨勢。   這次我們會使MLB美國職棒大聯盟的各隊歷年統計數據(mlb_team.csv)的公開資料,其中記錄了美國職棒大聯盟從西元1871年至今的各球隊數據,因為最近正好碰到需要分析棒球的運動相關數據,且這份資料大部分的欄位都是數值欄位,正好適合這篇文章主題。 讀取資料:   import pandas as pd mlb_teams = pd.read_csv("mlb_team.csv",encode="UTF-8") mlb_teams.head()   向量處理 Vectorize Operations 之前的文章中有提到Pandas是利用向量處理的方式進行資料處理的,所以我們在進行數值運算的時候都是針對單一個欄位將欄位中的所有數值進行相同的運算,如果要針對特定條件的數值進行運算,則需要先進行資料篩選再進行數值處理。 基本上在利用Pandas進行數值運算時,跟我們一般在寫Python計算一樣,只是平常用於運算的變數變成了 DataFrame 物件或是 Series 物件,所以所有Python中的數學運算符,在Pandas都可以直接使用: s = pd.Series() s+11 s-10 s*5…
學程式助教
February 3, 2020
工程思維財金應用

如何用蒙地卡羅模擬股價?

上回我們使用最基本的亂數模擬器方法成功模擬出Mike Trout的上壘率,當抽取出來的亂數小於上壘率時,認定為上壘,而亂數大於上壘率時,則認定為出局,用簡單的大於和小於就可模擬出來的模型,股價模型就稍微複雜些了,基本款的股價路徑模型最少具有二種參數與機率分配假設,背後的數學推導與原理就請大家自行去看財務工程相關的書籍了,我們先列出一個股價過程的理論式如下: 有了最基本的理論公式後,首先,我們必須定義出參數,參數可以描述這個股票的特性,例如新興市場股票與成熟市場股票的報酬率與波動度都不一樣,電信與生技公司的股價也會相當不一樣,所以我們必須要利用過去的資料去推估參數的區間範圍。 mu = 0.1 #資產年化報酬率為10% Std = 0.2 #資產年化波動率為20% dt = 1/252. #模擬路徑為每天,每天經過252分之一年 Copy   第一步:先將理論式轉換為Python的計算語言,記得括號設對位置,再用相對應的科學計算函數帶入公式內 S1 = S0 * np.exp((mu - 0.5…
學程式助教
January 20, 2020
工程思維財金應用

機器人理財(Robo-Advisor)真的能幫助到我們嗎?

近兩年機器人理財(Robo-Advisor)這個詞大量出現在金融市場中,也有多家國內外金融機構在推銷這種型態的商品,並大量以智能與人工智慧(AI)來作為行銷的關鍵字,今天就要來仔細的分析幾類我所認識的理財機器人系統。 馬可維茲(Morkowitz)的投資組合理論(Portfolio Theory) 馬可維茲於1952年提出了投資組合理論,將金融市場中的各種資產簡化定義成預期報酬率、標準差與相關係數,在假設以上參數均為已知的狀況下,可以進行規劃求解得出「最小風險投資組合(Minimum Variance Portfolio)」與「最適投資組合(Optimal Portfolio)」,大部分的機器人理財業者均是以此種模型進行操作,除了有諾貝爾經濟學獎的加持外,對於現有的程式撰寫有相當的方便,許多程式均有規劃求解的套件可供使用。 馬可維茲的投資組合理論利用數學嚴謹的證明,資產配置對於投資組合波動度與報酬率有顯著的影響,將多種相關係數低的資產配置在一起,能夠降低投資組合波動度與提高預期的報酬率,例如債券與股票呈現負相關時,能夠配置出風險調整後報酬較高的組合,相對於單一股票或債券。 利用馬可維茲現代投資組合理論的機器人理財平台,通常會利用風險問卷來進行投資人分類,例如年齡、投資期間與風險承受度等,透過背後的評分邏輯將使用者分為三至四個風險屬性,假設情況如下: 投資人屬性 可承受年化波動率 積極型投資人 25%以上 穩健型投資人 15%~25% 保守型投資人 15%以下 利用過去各資產類別的走勢去計算報酬率、波動度與相關係數,作為投資組合評估的相關參數,由使用者作答的風險問卷來對應出可承受年化波動度,再以程式進行目標為「固定風險下的最佳報酬率」的最佳化,就可以得到最佳的權重組合。 Smart Beta Beta這個詞在金融市場中,代表市場報酬的相對於資產的變動係數,例如當S&P 500上漲1%時,你的投資組合上漲0.8%,大致可以說Beta為0.8,大多股票市場指數都是以「市值加權」的方式進行編制,背後邏輯就是每天在幫你追高殺低,以2018年為例,如果持有S&P 500指數而言,就會不斷的幫我們增持FAANG(Facebook, Amazon, Apple,…
學程式助教
January 20, 2020
工程思維

想嚐嚐Javascript,Python,Ruby的味道嗎:工程師必喝的「程式語言咖啡」

  每天打程式的你,有想過程式語言變成咖啡,會是什麼味道嗎? 現在日本推出了一款超爆紅的程式語言咖啡豆「CODE COFFEE」,由日本工程師們挑選出來的! 總共有 C、Java、Perl、Ruby、Python、JavaScript、Go、Swift 八種口味, 如果你是這幾種程式語言的支持者,一定要來試試看XD 最後還可以在 Github 跟其他工程師交流你的飲後感想唷! https://www.youtube.com/watch?v=ftSjvrKB3XU&feature=youtu.be 我們來看看這八種程式語言吧! C語言咖啡豆   「一切的來源--基本語言咖啡」 由咖啡的來源巴西・哥倫比亞,來調配出一切程式語言的基礎–C語言的滋味。 語言特徵:SIMPLE 咖啡特長:來源 主要咖啡豆:巴西、哥倫比亞 價格/内容量:1000日圓(未稅)/100g Java咖啡豆   「歷史悠久、原始語言咖啡」 Java的LOGO就是一杯熱咖啡,這樣應該不難想像它跟咖啡的歷史其實很深遠吧XD…
學程式助教
January 20, 2020
專案思維工程思維

用 Chatbot 打造超有趣線上 RPG :把同事變成 NPC !

完整架完95個模組,尿都變紅色的。 哈囉大家~新年快樂🎉🎉 在被期末考荼毒的同時我又來寫寫工具文了! 每次寫文章都會先列出架構,但還是會花費我蠻多時間,大約1至1.5小時,眼看期末要讀不完了我還在這裡寫案例 ㄏㄏ。 這次主題是《用 Chatbot 打造超有趣線上 RPG :把同事變成 NPC !》 最初分享《老闆惹怒工程師可以激起多大的社群效應:Chatbot 新手基礎操作案例》時,雖然自己分享了失敗的案例,但是出於分享的心情還是感到很興奮。 後來又發佈了《【教學】老闆惹怒工程師可以激起多大的社群效應: Chatbot 新手基礎操作案例》,因為我發現前一篇在操作面實在描述太少,原本是抱著「如果有新手想操作類似案例,操作面可以去看 BotBonnie 的教學」的心情,但是如果這樣依步驟拆解,讓人看案例的同時或是閱讀後可以上手,好像也是深層分享的一種方式。 教學版本的老闆惹怒工程師我還沒有上傳到Medium跟Blink,過幾天考完試再發佈。 By the way,BotBonnie什麼時候要找我當代言 🤣 那我們開始來聊聊這次的案例吧!…
學程式助教
January 6, 2020
Python工程思維

Python財金應用:Black-Scholes選擇權訂價模型(1)

經典的量化金融案例,也是每天在交易室會碰到無數次的內容,推導Black-Scholes formula就不是本篇的重點,有興趣我會在文章最底下附上推薦書單。 選擇權(Options)就是在未來某個時點可用某個價格買進或賣出標的資產的權利,投資人可以買進當作避險或樂透賭博,選擇權槓桿倍數相當大,如果將Gamma效果考慮進去,槓桿可以至百倍,而行情看錯則頂多失去權利金而已,Black-Scholes就是利用未來標的資產進入價內的機率去計算出選擇權權利金的。 有了這個評價公式後,我們可以衡量在設定波動度下的選擇權理論價值,也可以利用市場報價來反推選擇權的波動率,一般稱為隱含波動率(Implied Volatility)。 上圖就是選擇權的報價畫面,可以看到某個日期到期的選擇權鏈(Options Chain)的各履約價報價,並從中反推各種參數。 用Python撰寫Black-Scholes評價公式其實很輕鬆,按照公式的寫法轉換為套件的函數而已,同步還可學會函數的應用。 以上就是一個簡單的選擇權評價範例,給定五個參數數值後,就直接開始計算d1與d2,大家可以對照一下公式,就會發現其實很簡單,下面將每個區塊拆解並解釋。 1. 引入套件(numpy, scipy) 由於Black-Scholes需要用到指數(Exponential)與常態累積分配(Normal distribution c.d.f.)的科學運算 現有預設的Python是沒有這類函數的,則需要引用大量擁有科學運算函數的numpy與scipy。 2. 給定Black-Scholes參數 先行預設標的資產價格(S)、履約價格(K)、無風險利率(r)、具到期日(t)與波動率(Sigma),在整數位後幾乎都有加上小數點,就是為了將變數設定為浮點位,以確保運算正確。 (Python不用另行宣告變數型態) 3. 計算d1與d2 有利用的函數為numpy的log與sqrt,詳細可對照封面照的公式,要小心括號的擺放。 4. 計算Call的理論價格…
學程式助教
January 5, 2020
工程思維

現在有「文言文程式語言」,你還用Python嗎?

你知道打程式會用到什麼語言嗎?沒錯,是英文,因此不管你是用 Python、Ruby、Javascript,你都至少要看得懂return、if等等,但是,有位中國工程師 LingDong Huang 在 Github 上發表了一款自己開發的「文言文程式語言」,把for 迴圈、變數定義,全部修改成文言文!你發現了嗎?寫程式最一開始的定義環境在這裡變成了吾有一術。名之曰「快排」。欲行是術。必先得一列。曰「甲」。乃行是術日。之後工程師先將這個程式定義為「列」,同時也定義行列的名稱及變數。吾有三列。名之曰「首」。曰「頷」。曰「尾」。再來是 for迴圈、if、else。其中「凡」代表 for,「若」代表 if,「若非」代表 else if。變成下方這樣凡「甲餘」中之「丁」。若「丁」小於「甲一」者。充「首」以「丁」。若非。充「尾」以「丁」也。云云看到這裡你應該也找到了一個蠻可愛的變動 XD,平常使用英文打程式,我們會用大小括號來代表迴圈的運算範圍,但是在這款文言文程式語言中,用了「也」、「云云」去代替,超級有趣!只有這些基本的還不夠,通常你會想在程式上作註解,讓其他工程師也能夠順利完成編輯或是溝通,而在這個文言文程式語言也做得到!批曰。「「曼德博集。亦稱曼德布洛特複數集合。複平面上组成分形之點之集合也。」」在英文裡我們會使用斜線,在這裡,斜線則被批曰取代,感覺就像詩人看完另一位詩人的作品後留下了評論!文言文程式語言在一周前被 Barret 李靖 發佈到推特上,隨即引起網友熱烈討論,有網友表示:「要打出這個,必須要文理雙全才行呀!」,同時也有不少網友留言表示這樣的程式語言,肯定會讓肯定會讓國文不好的工程師頭痛,甚至有出現想讓孩子學會的相關留言,如果古文程式語言真的盛行,未來要當個工程師,可能還得常常翻閱古文 XD人們在說的語言常被當作溝通的最大管道,每個語言之間都存在著邏輯可被推理,其實程式語言也是!雖然複雜程度與表現都有所差異,但是都有跡可循,因此如果你已經成功精通了一個程式語言,不妨往下一個程式語言邁進!不過如果你想精通「文言文程式語言」,真的還是再好好考慮一下吧!
學程式助教
December 25, 2019
工程思維

從拉麵店的販賣機理解什麼是 API

API,全名叫做 Application Programming Interface,維基百科上的中文翻譯是:「應用程式介面」。這是一個你可能聽過很多次,但從來沒有理解過的東西,常常聽到工程師說著:「串 API」,但還是不知道 API 到底是什麼。 我原本以為在網路上有關 API 的參考資料已經有很多了,應該可以讓初學者理解什麼是 API。但根據我學生們的心得,好像還是有點困難,只好自己跳下來寫一篇,試著來挑戰這個主題,希望寫出一篇淺顯易懂的 API 介紹文。 如果你問我什麼是 API,我會跟你說:「API 就是拉麵店的販賣機」,所以在切入正題之前,我們要先來研究一下日本拉麵店會出現的販賣機。 (more…)
學程式助教
November 28, 2019