揭示 Chrome DevTools 的強大功能，提升您的網頁效能！

 當我們考慮網路應用程式的效能時，收集關鍵指標來依據資料改進或優化應用程式中的某些部分非常重要。Google 定義了一組名為 Web Vitals 的基本指標，用於衡量網站效能相關的使用者體驗，側重於頁面的載入速度、互動性和視覺穩定性，旨在確保網站能為使用者提供流暢、愉快的瀏覽體驗。

探索 Web Vitals

在 Mac 上使用 `CTRL + SHIFT + I` 或 `CMD + ALT + I` 開啟開發工具。然後，使用 `CTRL + SHIFT + P` 或 `CMD + SHIFT + P` 開啟「效能」選項，點選「performance」。

在這個範例中，您可以在載入頁面後看到 Web Vitals 的樹狀指標，開發工具會為您提供網站效能評分。

Chrome 使用者體驗報告 (CrUX) 是一組透過 Google Chrome 收集的真實效能數據，來自瀏覽網路的真實使用者，旨在幫助開發人員了解使用者的實際體驗。CrUX 是衡量網站使用體驗的寶貴來源，特別是了解其在 Core Web Vitals（例如 LCP、FID 和 CLS）方面的表現。您可以透過 Google PageSpeed Insights、Google Search Console 或直接在 Chrome DevTools 中存取這些數據。

使用開發工具管理應用程式儲存

在「應用程式」標籤中，您可以看到應用程式的各種儲存選項，例如會話儲存、本機儲存、IndexedDB、Cookie 和 Service Worker（如果您的應用程式使用這些資源）。

Cookie 是伺服器儲存在瀏覽器中的小文字檔案，用於儲存應用程式狀態、使用者偏好、登入工作階段等資訊，每個 cookie 的大小限制為 4KB。

LocalStorage 是一種持久性儲存形式，將資料作為鍵值對儲存在使用者瀏覽器中，資料不會過期，直到使用者手動刪除或網站刪除資料。每個網域最多可以儲存 5 MB 的資料。

IndexedDB 是更高級的本機資料庫，允許儲存大量結構化數據，例如 JavaScript 物件。它提供更靈活、更複雜的資料訪問，可儲存與離線 Web 應用程式相關的資料（數十 MB 到 GB 不等）。

快取儲存 用於在瀏覽器本機儲存網路資源（例如 HTML、CSS、JS 檔案、圖像），這是 Service Workers API 的一部分，允許 Web 應用程式在離線或不穩定的網路條件下工作，提高效能和離線工作的能力。

分析網路請求和源碼

在「網路」標籤中，您可以看到渲染頁面內容的所有請求，並過濾 HTTP、CSS、HTML、JavaScript 等請求。您還可以分析請求中發送的內容，如請求正文、標頭、cookie 等。

在「來源」標籤中，您可以分析應用程式的原始程式碼和第三方程式庫來進行偵錯。

本文無法詳細探索開發工具提供的所有資源，但這是您了解並開始探索這些工具的基本指南。透過這些功能，您將能夠更好地管理和優化您的網路應用程式。

從零開始掌握Pandas：Python資料操作和分析的終極指南

Pandas 函式庫是 Python 中最強大、最廣泛使用的資料操作和分析工具之一。Pandas 建立在 NumPy 庫之上，提供易於使用的結構和強大的功能，使資料操作變得輕而易舉。

在 Python 中，Pandas 函式庫是資料操作、分析和視覺化的重要工具。透過其 DataFrame 和 Series 資料結構，Pandas 提供了一系列強大的特性和功能。Pandas 不僅是 Python 資料操作的基礎資源，還擅長處理和分析結構化資料。

主要特性：

1. 資料結構

Series：類似一維數組的對象，能夠保存任何資料類型，並以標籤作為索引。
DataFrame：帶有標記行和列的二維表格資料結構。

2. 數據處理

輕鬆處理遺失的資料。
合併並連接來自多個來源的資料。

3. 資料清理

刪除重複項、篩選行和重新命名列。
轉換資料型別並套用轉換。

4. 數據聚合

使用 `groupby()` 將資料分組以進行複雜聚合。
統計運算，如平均值、中位數和標準差。

5. 數據視覺化

 與 Matplotlib 和 Seaborn 等函式庫整合以產生繪圖。

安裝 Pandas

要安裝 Pandas，您可以使用 pip：

pip install pandas

基本操作：

1. 讀取數據

Pandas 支援讀取多種檔案格式，如 CSV、Excel、JSON 等：

df = pd.read_csv(‘data.csv’)

2. 數據探索

print(df.head()) # 顯示前 5 行。
print(df.describe()) # 摘要統計資料。
print(df.info()) # 資料型別與記憶體使用量。

3. 處理缺失數據

df.fillna(0, inplace=True) # 將 NaN 值替換為 0。
df.dropna(inplace=True) # 刪除缺少值的行。

使用 Pandas 的好處

- 效率：針對效能進行了最佳化，可以處理大型資料集。Pandas 因其效能優化而備受推崇，使其能夠有效地處理大型資料集。
- 易於使用：直覺的API，可以用最少的程式碼執行複雜的操作。
- 整合：與其他 Python 函式庫無縫協作。
- 可擴展性：允許針對特定需求進行客製化和擴展。

實際應用

1. 數據分析：分析銷售數據、客戶行為和趨勢。
2. 財務建模：對股票價格或經濟指標進行計算。
3. 資料清理：為機器學習模型準備雜亂的資料集。

Pandas 函式庫是 Python 資料科學的基石。其強大的功能和靈活性使其對於資料整理、探索和分析不可或缺。無論您是初學者還是經驗豐富的資料科學家，掌握 Pandas 都將顯著增強您的 Python。

歐盟委員會批准七家高科技人工智慧工廠，15億歐元基金助力創新

 歐盟委員會本月稍早批准了七家嶄新的人工智慧工廠，並提供了一項高達15億歐元的基金，支援這些遍布歐洲的建設或現代化項目。

根據委員會的說法，每個工廠都將部署或升級人工智慧增強型的超級電腦、大型通用人工智慧（GPAI）模型和程式設計設施。這些新工廠的目標是擴大人工智慧在歐盟小型企業中的使用，同時促進歐盟學術界的人工智慧研究。

委員會補充道，這些工廠將提供開發、測試和評估新演算法的場地，推動人工智慧在整個歐盟的應用。委員會主席烏蘇拉·馮德萊恩表示，第一批工廠預計在2025年建成，到本世紀末，歐洲將成為「人工智慧大陸」。

那麼，這些工廠具體是什麼，它們會用在哪些領域，又會帶來什麼影響呢？

什麼是人工智慧工廠？
NVIDIA創辦人黃仁勳在今年早些時候的演講中指出，人工智慧工廠的主要目標是在最新的「工業革命」中創造收入和智慧。黃仁勳表示：“每個構建聊天機器人和生成式人工智慧的人，都需要一個人工智慧工廠來運行它們。”

一個強大的人工智慧工廠由四個組成部分構成：為人工智慧準備資料的資料「管道」、演算法建構、支援人工智慧訓練的超級電腦等軟體基礎設施，以及可以測試人工智慧的實驗平台。這些工廠生產的智慧可以用於操作人工智慧模型或其他新技術。

就NVIDIA而言，該公司將利用其工廠促進工業機器人和自動駕駛汽車的開發，並提供ChatGPT等生成式AI系統。

歐盟的人工智慧工廠將設在哪裡？
委員會選擇了以下地點作為新工廠的所在地：西班牙巴塞隆納、盧森堡比森、義大利博洛尼亞、德國斯圖加特、瑞典米默、芬蘭卡亞尼及希臘雅典。

在西班牙，現有的超級電腦設施將升級，而希臘的人工智慧工廠將啟用名為DAEDALUS的超級計算機。每個人工智慧工廠將專注於不同的經濟領域：義大利的工廠將部分聚焦於農產品和網路安全，而盧森堡的重點領域是太空和金融。一些工廠，如芬蘭和希臘的工廠，還將為有意接受人工智慧再培訓的人提供技能提升課程。