徵 Ruby on Rails Developer 同事
Junior 0-2 年經驗左右都可,薪水依照能力談,基本薪資範圍如 Yourator 上的資訊
⚠️注意
- 完全沒寫過 Ruby / Rails 的不要來投,因為最低要求是至少要懂 Rails 基本的 CRUD 實作
👇 基本要求
- 能夠以 Rails way 實作基礎的 CRUD 功能
- 了解 Database relation one-to-one / one-to-many / many-to-many 如何設計
- 對 SQL / NoSQL 有基礎認識及使用場景
- 對單元測試有稍微認識(你可以不會寫,但要知道這個可以做什麼)
🥺 加分項
- 做過全棧營的 Rails 百寶箱並且有 Repo
- 做過 Rails 12 in 12 並且有 Repo
- 做過 Rspec 101 並且有 Repo
- 做過 Rails 101 並且有 Repo
- 寫過部落格
如果你想知道面試會被問什麼
- 請看 https://blog.niclin.tw/2020/01/07/interview-tips/
想知道關於公司氛圍或其他
- 直播存檔 https://www.youtube.com/watch?v=N0nD-ipOR70
- 去年尾牙 https://www.youtube.com/watch?v=iwUwSz5R3cg
投遞方式
直接 Yourator 投遞就好
https://www.yourator.co/companies/BitoEX/jobs/18900
同時也有1部Youtube影片,追蹤數超過737的網紅薑餅資,也在其Youtube影片中提到,Notion的資料庫關聯 Database Relation功能,可以說是改變我人生的一個重要功能🤩 這支影片要跟大家分享,我如何利用Database Relation來建立行動清單、專案清單、想法捕捉和卡片盒筆記這4個資料庫之間的連結! ⚡️Notion下載網址: https://www.not...
「database relation」的推薦目錄:
- 關於database relation 在 Facebook 的最佳貼文
- 關於database relation 在 Scholarship for Vietnamese students Facebook 的精選貼文
- 關於database relation 在 Najib Asaddok Facebook 的最讚貼文
- 關於database relation 在 薑餅資 Youtube 的最讚貼文
- 關於database relation 在 What is a relation in database terminology? - Stack Overflow 的評價
- 關於database relation 在 Partitioning GitHub's relational databases to handle scale 的評價
- 關於database relation 在 database/Relation.php at master · illuminate ... - GitHub 的評價
database relation 在 Scholarship for Vietnamese students Facebook 的精選貼文
[SHORT SHARE] CON ĐƯỜNG HỌC KHOA HỌC DỮ LIỆU CỦA MỘT SINH VIÊN KINH TẾ
Helu cả nhà, nhân dịp bài đăng về Data Scientist được quá trời bạn quan tâm và hỏi chị về con đường trở thành nhà khoa học dữ liệu, nay chị giới thiệu cho các em bài viết của một bạn học trái ngành nhé. :D
Bật mí nhỏ là ngày xưa chị cũng học Tài chính ngân hàng ở FTU sau đó chuyển qua làm security cho Microsoft và Facebook, nên việc trái ngành là hoàn toàn có thể nha. Nhưng schofans sẽ phải cố gắng nhiều lắm đấy!!
📘 Bạn Giang Phương Hoa từng học Đại học Ngoại Thương Hà Nội, học Thạc sỹ tại Imperial College London, hiện đang làm việc tại Microsoft AI Research London chia sẻ về con đường trở thành Data Scientist của mình.
Chào cả nhà,
Cảm ơn anh Tiệp đã tạo cơ hội cho mình viết bài này để chia sẻ. Follow Forum Machine Learning cơ bản đã lâu mà chưa đóng góp được gì nhiều.
Dạo gần đây mình có gặp nhiều bạn trẻ muốn theo nghề Data Science và PM mình hỏi về con đường mình đến với Data Science và bắt đầu học Machine Learning như thế nào. Vì thế mình đã xin phép anh Tiệp để viết bài ở đây, chia sẻ cùng mọi người và hy vọng sẽ giúp ích cho các bạn đang tự học Data Science, hoặc có background trái ngành trái nghề và muốn làm Data Science một cách nghiêm túc. Bài viết sẽ rất vớ vẩn với các chuyên gia 😊.
Đây là con đường không hề dễ dàng nếu bạn không học Khoa học máy tính hay Toán từ bậc ĐH nhưng cũng không có nghĩa là không thể. **Everything is impossible until you do it.**
📘 Học Ngoại Thương HN
Con đường mình đến với Data Science không hề bằng phẳng và mình tin nhiều bạn ở đây cũng vậy. Mình học Ngoại Thương chuyên ngành Tài chính. Cũng tự coi là có chút background về Toán Cao Cấp và Xác suất thống kê nhưng sẽ chỉ là muối bỏ bể so với các bạn học bài bản về Toán Lý Thuyết hay Xác suất thống kê. Rất may là trong quá trình học Ngoại Thương thì mình nhận ra môn học mà mình yêu thích nhất là môn Phân tích dữ liệu tài chính. Cảm giác nhìn những con số rồi tìm tòi ra một ý tưởng gì đó mới rồi trình bày bảng biểu vô cùng hấp dẫn (mãi sau này mình mới biết khái niệm đó gọi là insights 😊). Vì thế mình có tham gia một số cuộc thi sinh viên về phân tích dữ liệu.
📘 Nielsen Case Competition
Hồi đó hình như chỉ có Nielsen Case Competition–cuộc thi dành cho sinh viên của Nielsen, một công ty data consulting khá lớn tại Mỹ. Mình cũng may mắn cùng với các bạn trong nhóm giành giải của cuộc thi đó và bắt đầu đầu quân cho Nielsen để làm Chuyên viên phân tích dữ liệu 😊–Insight Analyst. Thời gian làm việc cho Nielsen là thời gian mình luôn cảm thấy là thời gian tạo một nền tảng vững chắc cho bản thân trong nghề làm Analyst. Nếu bạn google Nielsen thì Nielsen là một công ty nghiên cứu thị trường truyền thống, dữ liệu cung cấp chủ yếu bằng survey và phỏng vấn người tiêu dùng. Thời đó khái niệm Dữ liệu lớn hay là Khoa học máy tính vẫn còn xa vời với mình. Nhưng chính từ thời gian làm việc giống như một nhân viên tư vấn dữ liệu đã giúp mình hiểu được ứng dụng thực sự của dữ liệu là gì? Làm sao để dữ liệu có ích cho doanh nghiệp? Mình cũng học được cách từ một câu hỏi lớn và mơ hồ, làm sao để chia nhỏ câu hỏi đó thành những câu hỏi nhỏ hơn mà bạn có thể translate (phiên dịch) thành một câu hỏi có thể trả lời bằng dữ liệu sẵn có? Mình cũng hiểu khái niệm connecting the dots (xâu chuỗi) dữ liệu là gì? Vì vậy, đừng tự nghĩ rằng công việc mình đang làm không có gì hấp dẫn, không có gì liên quan đến Machine Learning hay Dữ liệu lớn mà nản lòng. Nhiều lúc bạn sẽ ngạc nhiên về những gì bạn học được từ các dirty jobs trong cuộc sống.
📘 Bắt đầu con đường học Khoa học dữ liệu
Sau một thời gian làm việc ở Nielsen thì mình nhận thấy hạn chế của các phương pháp nghiên cứu truyền thống (limited samples, biased trong cách đặt câu hỏi và trả lời). Vì thế mình bắt đầu tìm hiểu phương pháp mới để có thể thực sự phân tích user behavior mà không cần phải “hỏi” họ. Và thế là mình khám phá ra một thế giới mới là Khoa học dữ liệu (Data Science-DS). Thời điểm mình bắt đầu tìm hiểu về DS và học về DS thì mọi thứ còn khá mới mẻ (2013) cũng chưa có nhiều các khóa học open source như bây giờ. Mình hoàn toàn tự học mọi thứ từ xác suất thống kê (may mà trong công việc cũng có dùng), toán, lập trình, hệ thống dữ liệu. Mình hiểu là với các bạn không có nền tảng về Khoa học máy tính như mình, việc các bạn làm một cách bản năng là cố gắng lấp đầy lỗ hổng về lĩnh vực này càng nhiều càng tốt. Vì thế, các bạn sẽ cố gắng học Python, học R hay học các ngôn ngữ lập trình. Điều này dẫn đến một hệ quả là các bạn bị tool-driven. Học Python không khó, bỏ ra 6 tháng học một cách tập trung, các bạn sẽ viết được những dòng codes như mẫu. Nhưng điều mình hay gặp đó là các bạn học Python hay R như Kinh Thánh vậy. Nhiều bạn nghĩ rằng chỉ cần biết Python hay R là có thể làm được phân tích dữ liệu rồi. Thực ra thì không phải. Mình rất may mắn là trong thời kỳ đầu bắt đầu học, cảm thấy hoang mang quá thì một lần đi gặp khách hàng, gặp một bạn đã làm quantitative analyst ở Wall Street nhiều năm. Bạn ấy thấy mình ôm một quyển Python Fundamentals dầy cộp thì mới bảo “Mày nên học cách nghĩ, đừng học cách làm vội”. Chỉ một câu nói nhỏ mà mình nghĩ là có thể trao thưởng huy chương cho bạn ấy vì đã cứu rỗi cuộc đời mình. 😊. Và quyển sách đã thay đổi cuộc đời mình là How to think like a Computer Scientist. Mình đã có dịp gặp tác giả của cuốn sách này và nói với anh ấy là “You saved my life. 😊”.
✏ Thực sự thì đối với người học trái ngành, trái nghề, vấn đề lớn nhất là thay đổi cách suy nghĩ và sự tự ti. Bạn có xuất phát điểm không giống người khác và thế là tìm mọi cách để làm được NHƯ người ta mà quên mất mục đích ban đầu của mình là gì. Sau khi đọc cuốn sách trên thì mình hiểu ra vấn đề vì sao mình học Python đến hai tháng mà vẫn rất thụ động, chỉ có thể viết những gì code mẫu mà gặp vấn đề mới thì chịu. Đó là vì mình không suy nghĩ theo cách máy tính có thể suy nghĩ. Vì không think the language nên mình cũng không thể speak the language. Điều này cũng giống như lúc bạn học Tiếng Anh hay ngoại ngữ vậy, không hiểu cách tư duy của ngôn ngữ thì bạn sẽ thành học vẹt. Vì thế mình dành hẳn ba tháng chỉ để học computational thinking và computer logic, về những thứ như directory, class, variables, binary operations, algorithmic thinking, big O notation, v.v.. Điểm này sẽ không thể nào so sánh được với các bạn học Khoa học máy tính trong 3-4 năm nhưng cũng đủ để mình học lập trình một cách đúng hướng (programming in the right way). Mình đã nói chuyện với nhiều bạn tự học programming và nhiều bạn bị cuốn theo cách học Google knowledge–có vấn đề gì thì google–stackoverflows có câu trả lời sẵn. Cuối cùng thì chương trình cũng vẫn chạy, các bạn vẫn thấy hạnh phúc, nhưng lần sau gặp vấn đề khác các bạn không tự trả lời được. Cũng giống như hồi nhỏ ở trường học “How are you?” và trả lời “I’m fine, thank you”. Đến lúc người ta hỏi “How do you feel today?” thì không biết trả lời thế nào.
✏ Lập trình cũng chỉ là công cụ. Cái cốt lõi của Data Science và Machine Learning (ML) vẫn là Toán và Xác suất thống kê. Về điểm này thì forum và cuốn sách của anh Tiệp sẽ rất hữu ích. Nền tảng Toán của mình không tệ vì cũng từng học chuyên Toán. Tuy nhiên, cũng giống như câu chuyện lập trình thì mình cảm thấy cũng cần học ML bằng cách think in ML ways. Các thuật toán quan trọng trong ML hầu như đều đã được viết và tạo thành thư viện nên vài bạn có thể lười chỉ cần from sckitlearn import * và thế là ung dung chạy một cái chương trình ML. Nhưng để thực sự làm DS/ML thì nhiều khi nên bắt đầu ôn lại khái niệm đạo hàm, ma trận và toán cơ bản.
📘 Học Thạc sỹ tại Imperial College London
Một điểm nữa mà nhiều bạn rất hay quên hoặc bỏ qua khi học DS vì nghĩ nó nhàm chán đó là database structure và data manipulation. Mình cũng vấp phải vấn đề tương tự khi mình bắt đầu học Thạc sỹ về Data Science ở Imperial College London. Ngay Kỳ 1 thì trong chương trình có một môn học mà rất nhiều bạn bỏ lớp (mình cũng cúp cua mấy lần) đó là Database Admin. Môn này phải nói là cực kỳ chán vì nó sẽ không có kết quả ngay cho bạn như khi bạn chạy môt chương trình máy tính hay vẽ biểu đồ, đem lại cảm giác cực kỳ cool vì I did something. Tuy nhiên khi bắt đầu thực sự làm dự án nghiên cứu ở Data Science Institute in Imperial College (mình làm cộng tác viên) thì mình có thể thực sự hiểu được tầm quan trọng kinh khủng của môn này. Bạn không thể thi triển được thuật toán hay tối ưu hóa thuật toán nếu không hiểu cấu trúc dữ liệu hay database relation, handle missing values, organizing the table in long/wide format, normalization of the database, etc.** Những việc nhỏ nhặt, *dirty jobs, tốn thời gian vậy thực ra là vô cùng quan trọng. Khi bạn hiểu cấu trúc dữ liệu thì bạn mới quay lại bước 1 được: Từ câu hỏi lớn làm sao để thi triển ra nhiều câu hỏi nhỏ và trả lời? Rốt cuộc thì DS chính là công cụ để trả lời câu hỏi mà thôi. Đừng quên mục đích ban đầu!
📘 Microsoft AI Research
Sau rất nhiều chông gai thì bây giờ mình được gọi là data scientist tại Microsoft AI Research. Chặng đường học thì vẫn còn rất dài, bây giờ mình vẫn phải đọc forum Machine Learning thường xuyên để hiểu thêm. Dưới đây là một ít bài học mình đã đúc kết sau 4 năm ròng rã mất nhiều máu (ngã cầu thang mấy lần vì mải nghĩ) và nước mắt (khó quá làm thế nào), hy vọng sẽ giúp ích cho nhiều bạn có nền tảng giống mình.
⚠️ Đừng chạy theo buzzwords, cuộc sống nhiều cám dỗ, hãy bắt đầu từ những thứ căn bản nhất. Thinking và mindset là những thứ quan trọng nhất. Python hay R hay Java cũng chỉ là công cụ.
⚠️ Machine Learning là học máy, trước khi làm ML nếu bạn không có nền tảng về Computer Science thì hãy thử tìm hiểu về Computational thinking và computer logic.
⚠️ Data science rất rộng lớn. Hãy thử nghĩ về một mảng nhỏ mà bạn muốn theo đuổi: nhiều người có thể theo đuổi Optimization, mình thì chọn cho mình con đường đã đưa mình đến với DS ngay từ đầu: User Behavior Analytics. Điều này sẽ giúp các bạn định hình và tập trung vào những mảng lý thuyết liên quan mật thiết đến mảng này. Nghe có vẻ thực dụng nhưng mình chủ yếu tìm hiểu về các mô hình/thuật toán liên quan đến time series, sequential pattern mining, pattern recognition, clustering/classification, association mining, etc. vì đây sẽ là những thứ giúp bạn tìm hiểu về User Behavior. Các thuật toán simulation như Monte Carlo hay các thuật toán tối ưu khác mình không biết quá sâu.
📘 Chúc mọi người học Machine Learning vui. 😊
Nguồn: Machine Learning Cơ Bản
Hết rồi, các em đã có cái nhìn rõ ràng hơn về ngành khoa học này chưa?
❤ Tag và chia sẻ bài viết đến bạn bè em nhé ❤
#HannahEd #duhoc #hocbong #sanhocbong #scholarshipforVietnamesestudents
database relation 在 Najib Asaddok Facebook 的最讚貼文
10 TIPS USAHAWAN DARI OWNER AIRASIA, TONY FERNANDES
.
1. TAK PERLU TAHU
Saya berasal dari industri musik. Saya langsung tak tahu tentang kapal terbang. Kepada usahawan diluar sana, anda tak perlu tahu semua perkara tentang apa yang anda ingin buat. Ia berkaitan idea, semangat dan juga berkaitan mengambil tindakan.
.
2. JUST DO IT!
Jangan biarkan sesiapa beritahu anda bahawa anda tak boleh buat. Kita hanya ada satu sahaja kehidupan, jadi anda tidak boleh nak undur atau kata “Alangkah bagus kalau dulu saya buat begitu”.
Oleh sebab itu, saya nasihatkan anda semua diluar sana, JUST DO IT. Hidup setinggi yang mungkin, sentiasa positif. Kalau anda jatuh, sekurang-kurangnya anda telah cuba.
Saya pernah gagal teruk dalam bidang Formula One, tapi saya tidak ada penyesalan sebab saya dah duduk level tinggi dengan kehebatan Ferrari, McLaren dan lain-lain
.
3. SEMANGAT ADALAH KUNCI PENYELESAIAN MASALAH
Impian memang akan jadi impian. Jangan risau tentang kegagalan. Buat sehabis baik. 9 dari 10, sekiranya anda bersemangat, anda akan jumpa jalan penyelesaiannya.
.
4. LABUR DALAM MARKETING
Sekiranya anda ada idea yang paling hebat dalam dunia, tolong, tolong, tolong bajetkan kewangan anda pada marketing. Jika anda tak laburkan duit anda pada marketing, tidak ada siapa pun yang akan dengar idea hebat anda.
Di luar sana, terlalu banyak idea yang hebat, tapi tidak terlaksana kerana kurangnya marketing.
Marketing bukan untuk keuntungan, tapi ia adalah hubungan (Public Relation, PR). Dalam AirAsia, kami tidak ada kewangan. Jadi, saya ke mana-mana sahaja mesti dengan cap merah saya dan selalu beri statement yang kontrovesi pada media supaya media selalu mengambil gambar saya. Itu marketing AirAsia pada peringkat awal.
Kita dah alami pelbagai isu dan marketing memainkan peranan penting dalam mengatasi isu-isu tersebut.
Masih ingat lagi tentang penyakit SARS (Severe Acute Respiratory Syndrome)? Ketika itu, tidak ada siapa yang ingin terbang. Kami sangka ketika itu bisnes kami akan mati.
Semua orang kurangkan bajet marketing, tapi saya beritahu pada team saya supaya jangan kurangkan bajet marketing sebab inilah masa paling sesuai untuk naikkan jenama kami. Kami tingkatkan bajet marketing kami 3x ganda ketika itu dan ramai kata pada saya “Kau ambil dadah?”. Saya jawab tidak, waktu ini waktu paling sesuai sebab orang lain tidak buat iklan mereka.
Masa pengeboman Bali berlaku, semua orang ketika itu cancelkan penerbangan mereka. Saya kata dengan team, kita tak boleh matikan route Bali. Kita mesti teruskan penerbangan ke sana.
Jadi, kami buat satu kempen ‘LOVE BALI’, kami berikan 10,000 seat percuma dan hasilnya sangat berkesan. Kesemua 10,000 seat habis diambil orang dalam masa seminit. Dan mereka yang dapat seat percuma hebahkan pada kawan mereka melalui media sosial. Iklan yang paling baik adalah dari pelanggan anda.
.
5. LEVERAGE SOCIAL MEDIA
Orang Malaysia, bila dapat tawaran baik, mereka akan hebahkan pada satu dunia tentang tawaran itu. Jadi masa 10,000 yang pergi ke Bali beritahu 10,000 lain yang mereka seronok di Bali. Itulah peringkat awal bagaimana AirAsia boleh masuk ke media sosial.
Jadi kami sedar tentang kehebatan media sosial pada peringkat awal. Selepas Facebook & Twitter datang, kami segera gunakan medium tersebut. Sekarang ini, kami dah ada 32 juta orang dalam beberapa platform media sosial dan 7% jualan bisnes kami datang direct dari media sosial.
Kempen ‘LOVE BALI’ mengajar kami iklan yang paling baik adalah dari pelanggan kami.
.
6. JANGAN TAKUT DENGAN KOMPLEN
Komplen @ feedback sebenarnya penyelidikan marketing secara percuma. Pelanggan sanggup menghabiskan masa untuk menulis beritahu apa masalah dan bagaimana nak selesaikannya. Biasa diluar sana, kebanyakan syarikat bayar mahal pada consultant untuk beritahu perkara yang sama
Sebab itu kami sangat menghargai setiap emel dan melayani mereka dengan baik.
.
7. FOKUS PADA 1 IMEJ DALAM BRANDING
Ketika peringkat awal, AirAsia mempunya logo burung dalam branding.
Sekiranya anda lihat jenama terkemuka dunia, mereka hanya ada satu imej sahaja yang masuk dalam kepala kita. Bila kita sebut ’Shell’, kita fikir tentang logo Shell. Bila sebut “Coca-Cola”, anda fikir perkataan “Coke” dalam italic. Bila sebut tentang “Nike”, anda fikir tentang ‘tanda betul’.
Jadi, masa peringkat awal, kami tukarkan logo burung kepada ‘AirAsia’ sebagai logo kami. Hanya satu imej. Kenapa perlu belanja 2x ganda untuk 2 logo branding?
Kami juga hilangkan warna biru dan hijau. Saya berusaha untuk tak gunakan warna merah, sebab semua akan fikir saya nak jadi seperti Richard Branson (Founder Virgin Group & Frenandes former boss), tapi merah adalah warna terbaik, jadi kami pun pilih merah.
Jadi, ianya berjaya, pemilihan warna menyebabkan segalanya berubah.
.
8. TURUN KE BAWAH
Apa yang saya selalu buat adalah, sebulan sekali saya akan bawa beg, saya jadi crew cabin dan kadang-kadang jaga kaunter ‘check-in’.
Saya buat perkara ini ada 2 sebab; Yang pertama adalah anda tidak boleh jadi CEO yang efektif selagi anda belum pernah merasai pengalaman kerja bawah secara betul-betul.
Ada satu kisah benar. Team handle beg bagasi beritahu saya yang mereka perlukan tali loaders untuk handle beg bagasi. Saya beritahu mereka “Tidak, kita tak boleh beli, terlalu mahal”.
Jadi ada suatu hari, saya ditugaskan untuk bawa beg bagasi dan ditempatkan pada penerbangan ke Indonesia. Kebiasaan orang yang terbang bersama kami secara umumnya bawa barang seperti seluruh isi rumah, tapi orang yang terbang ke Indonesia biasanya bawa barang rumah sendiri beserta rumah jiran sekali.
Terllu banyak bagasi yang perlu diuruskan. Dalam proses handle bagasi, tulang belakang saya patah dan saya beritahu team saya, mereka betul dan saya salah dan kami putuskan untuk beli tali loader tersebut.
Sekiranya saya tak turun bawah dan merasai kerja tadi, duduk dengan selesa dan nyaman di ofis sahaja, saya akan buat keputusan yang salah dan sebabkan banyak bagasi rosak dan pekerja mungkin mulakan union.
Sebab kedua adalah untuk mencari bakat. Saya bukan mencari bakat yang datang dari Oxford @ Cambridge, saya cari jenis individu yang keputusannya hanya SPM Pangkat 3 yang perlukan peluang kedua.
.
9. JANGAN PANDANG RENDAH TEAM ANDA
Saya langgar semua peraturan dalam mencari team. Bagi saya, selagi anda punyai impian, anda boleh buat apa sahaja.
Ada seorang seorang ex-krew cabin, dia datang pada saya suatu hari dan beritahu saya impian dia adalah ingin menjadi pilot. Saya beritahu dia, “go for it”.
Pada suatu hari, dia hubungi saya dan tanya saya yang dia ingin menyertai pertandingan Ratu Cantik Thailand, dan saya beritahu dia “ok” tapi dengan syarat kami boleh gunakan gambar dia dalam marketing kami.
Dia menang pertandingan Ratu Cantin Thailand dan baru-baru ini telah menjadi kapten. Kami merupakan satu-satunya syarikat penerbangan dalam dunia yang pilotnya adalah Ratu Cantik.
Pengajaran disini adalah kami adalah struktur yang membolehkan beliau hubungi saya sendiri dan beritahu apa impian beliau dan kami dapat asah bakat beliau kepada permata.
Satu lagi kisah dalam team kami ada seorang budak muda, bertugas sebagai tukang handle bagasi di Kuching beritahu saya yang dia ingin jadi pilot, dan saya pun benarkan untuk dia kejar impian dia. Akhirnya dia telah lulus kesemua ujian peperiksaan dan mendapat result yang paling tinggi dalam akademi penerbangan. Sekarang, beliau adalah kapten / pilot.
Kami ada banyak kisah sebegini dalam AirAsia.
Aset paling berharga selain idea adalah team anda sebab pengakhirannya adalah team anda yang akan bawa idea anda.
.
10. DATA IS KING
Kami ada sejumlah database yang sangat banyak dan kami tak tahu nak buat apa dengannya tapi orang lain sangat berminat dengan database yang kami ada. Jadi, kami fikirkan database yang kami ada ini sangat bernilai pada orang lain, mesti ada peluang yang kami boleh gunakan.
Sekarang, kami sedang teroka suatu yang baru. Kami bercadang untuk lancarkan TripAdvisor versi kami sendiri, alat travel, saluran media baru seperti YouTube dan banyak lagi. Database memainkan peranan penting dalam bidang baru yang kami ingin terokai. Data will be king!
.
.
#roketcontent
database relation 在 薑餅資 Youtube 的最讚貼文
Notion的資料庫關聯 Database Relation功能,可以說是改變我人生的一個重要功能🤩
這支影片要跟大家分享,我如何利用Database Relation來建立行動清單、專案清單、想法捕捉和卡片盒筆記這4個資料庫之間的連結!
⚡️Notion下載網址: https://www.notion.so/product
👀 猜你有興趣
Notion新手教學影片 - https://youtube.com/playlist?list=PLB...
Notion勝過其他筆記軟體的10大功能 - https://www.youtube.com/watch?v=Z8ZJ_...
👻 我是誰?
嗨,我是薑餅資,目前是剛進醫院工作的PGY醫師,這個頻道主要分享一些方法和技巧,幫助我們提高工作效率,讓我們可以有更多時間去做自己真正想做的事情

database relation 在 Partitioning GitHub's relational databases to handle scale 的推薦與評價
Schema domains are a tool we came up with to implement virtual partitions. A schema domain describes a tightly coupled set of database tables ... ... <看更多>
database relation 在 database/Relation.php at master · illuminate ... - GitHub 的推薦與評價
<?php. namespace Illuminate\Database\Eloquent\Relations;. use Closure;. use Illuminate\Contracts\Database\Query\Builder as BuilderContract;. ... <看更多>
database relation 在 What is a relation in database terminology? - Stack Overflow 的推薦與評價
... <看更多>
相關內容