i3-WM、資料工程、科技趨勢

i3 window manager

前幾天一時腦充之下，想說我再嘗試一邊在xfce上裝i3 window manager。關於i3這個潮潮的視窗管理工具，我就不多介紹，貼兩篇文章：1、2。因為我是用manajro系統，desktop envirment是xfce4，所以我參考了這位大哥的影片，跟feeble nerd的blog。詳情就有空補充，總之照著它們的步驟，我也用上了潮潮的i3-WM，透明的terminal加上快捷鍵調整視窗，真是怎麼用怎麼潮！

附上一張潮潮的截圖（背景是老王）¹：

Plumber, Data Engineer

之前在準備推甄的時候，花了不少時間了解一下雲端服務，以及 SaaS、PaaS 跟 IaaS 這些「XX as a Service」到底差在哪裡。我暑假略摸過的GCP，就是一個雲端服務，也算是IaaS(Infrastructure as a Service)。接著某天去satRday Taiwan 2020玩耍的時候²（感謝冠豪陪同），有一個panel提到{plumber}這個東西。當時懵懵懂懂的聽，還不太能掌握「用 R 包裝的 api 」到底要拿來幹嘛。這時候我都只是零散的學習這些知識或者說技術，並沒有非常有系統得把這些技術的用途整合起來。

接著某天詢問秋園哥「 data analysis 的實際場景」長怎樣，加上rstudio::conf-2020的這部影片，我才總算知道，雲端服務、API，或是什麼 docker、kubernetes，其實都是整個資料分析 pipeline 基礎建設的一環。

這個演講非常好的示範，一個完整的資料分析體系，要做哪些事情。上面的影片中，他是想打造一個自動化的體系，用來預測華盛頓 D.C.的公共腳踏車每站的車輛數。想做這件事，有很多個環節，他的 slide 裡面有一張流程圖表示得很清楚：

當然也不忘推薦 Rstudio 自家的產品- Rstudio Connect（感覺很好用，我被燒得一塌糊塗）：

在演講裡面，讓我想記錄下來的有兩個點。第一個是上面提到的，「 data analysis 的實際場景」。一般來說，在學校內或是網路課程的資料分析，無論橫斷面資料或是panal data，都是「觀察資料」，就是你沒機會對其做實驗，得到實驗結果。礙於這類資料的特性，在學校做的資料分析報告或專案，都是「一條直線」，就是資料整理好，畫畫圖、做分析、預測模型，得到結果，然後沒了。

但在我詢問過後，我才發現，真實的資料分析，會是一個循環的流程：會一直有新的資料產生，因此需要一個持續運作、自動化的流程，來蒐集資料、生成圖表、分析、預測；除此之外，現實中通常能對那些提供資料的樣本（一般來說是人），施加一些措施，然後觀察後續效果，典型的例子就是電商辦活動。因為這樣子的特性，現實中資料分析需要的「工具」，是建立一個持續性的分析框架跟體系，然後持續使用，並依據資料施加決策，並用結果評價決策的好壞。而在整個流程中，雲端服務就是讓每個環節都可以部屬(deploy)的地方。畢竟要定期讀取資料，還要把結果呈現在 dash board 上，供人取用，與其自己弄一台主機或伺服器來做這件事，挺麻煩的，不如用別人的服務就好。

所以，rstudio::conf 的這個演講讓我相當的驚豔，因為他是我第一個看到完整的「資料分析流程示範」，又或者是「資料分析的生產應用」，有 source code 可以參考的那種。

第二點是 plumber api 的用途，看完 rstudio 的演講之後，我才明白為何需要一個 API 來用。在R語言中，就是需要把一個訓練好的分析模型包裝成api，讓別人可以透過這個API來輸入資料，獲得預測結果。一般看到資料分析的作法，通常都是「分析資料，呈現結果」而已，很少考慮除了視覺化之外，要怎麼讓別人取用自己的成果（如果擁抱開源心態的話）。當然其實 api 在網路世界中無所不在，而一般我們上網，例如滑FB，也是發送請求給FB的伺服器，然後FB回傳網頁或資訊到我們的app或瀏覽器上面，這個程序也是透過 API 來溝通。

最後放一下{plumber}主要作者的說明影片。 怎麼可以有人這麼帥又做出酷東西阿

科技趨勢

同樣是因為準備推甄，所以我花了很多時間看科技島讀的文章。本來想整理一下看到幾個科技業的重要概念或趨勢，但因為上面提很多東西了，所以日後再說。目前最想把Amazon的「飛輪效應」整理起來，了解一下他們怎麼賣書賣成巨頭。