寫java軟體的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Java程式設計師應該知道的97件事：來自專家的集體智慧

為了解決寫java軟體的問題，作者KevlinHenney,TrishaGee 這樣論述：

　　行為引起的問題很「簡單」，困難的是由狀態引起的問題 —Edson Yanaga    　　學習Java慣用寫法並且儲存在大腦的快取記憶體裡 —Jeanne Boyarsky    　　從JVM績效的觀點看Java程式設計 —Monica Beckwith    　　垃圾回收機制是你的好朋友 —Holly Cummins    　　Java之中難以說明的匿名型態 —Ben Evans    　　浴火重生的Java —Sander Mak    　　你知道現在幾點嗎？ —Christin Gorman    　　如果你希望精進Java技術能力，這本教戰手冊提供了來自Java生態系統裡多位頂

尖高手根據自身實務經驗淬鍊而出的專家建議。本書鼓勵你學習新技巧、以新方法審視問題、負起工作責任以及努力精通程式設計工藝，藉此精益求精。    　　《Java程式設計師應該知道的97件事》由資深程式人Kevlin Henney、Trisha Gee彙編，反映出程式人撰寫Java軟體以及他們與軟體開發流程共處時累積的人生經驗。本書邀請多位優秀程式設計師分享他們的集體智慧，不論你的工作是處理舊有系統或是在Java 8釋出之後，穩定整併資料流的變化，本書都期盼他們的智慧能幫助你思考、重新省思Java實務。

寫java軟體進入發燒排行的影片

自動偵測機器所產生之文章

為了解決寫java軟體的問題，作者陳玉芳 這樣論述：

近年來網路上出現了許多所謂的文章產生器軟體，讓使用者只要輸入主題或某些關鍵字，就可以自動產生一篇文章。這些文章產生器所生成的機器文章乍看之下就像人類所寫的真文章，甚至許多內容看似有憑有據且引經據典，但若仔細閱讀這些機器生成的假文章則很容易發現其內容缺乏邏輯性且無中心思想，甚至發生前後不連貫的情形。這往往浪費讀者的時間，尤其是學生可能以機器產生之文章蒙混繳交，投機取巧。有鑒於此，本論文嘗試以人工智慧的機器學習可否自動偵測這類的假文章，使用多種機器學習的方法來辨識機器所生成的假文章與學生所寫作的真文章兩者。實驗結果顯示，BayesNet分類正確率為100%；而NaiveBayes、Logisti

c、SMO、SGD、RandomForest、SimpleLogistic、LMT、IBk (K值為11和9) 則都有達到95%以上的分類正確率。再觀察機器學習相關的效能評估指標，前述所有分類模型的Kappa statistic和MCC除了BayesNet兩者值皆為1, 其餘分類模型的Kappa statistic和MCC皆有0.90以上；同時可見F-Measure也都高於0.95以上 (BayesNet F-Measure 值亦為1)，這些數據皆反映出前述的演算法分類模型都有極佳的真假文章辨識效能的表現。另外，又透過測試集的驗證實驗，NaiveBayes、Logistic、SMO、SGD、R

andomForest、SimpleLogistic、LMT、IBk (K值為11和9)以及LogitBoost這些演算法分類模型的測試集驗證實驗結果顯示出分類模型在測試集的真假文章的分類準確率至少皆有95%或以上的分類成功辨識率，其中又以NaiveBayes、Logistic、SMO、SGD這四種演算法分類模型在測試集的驗證實驗是達到百分百的正確分類辨識率。綜合以上各種實驗數據的分析結果，我們可以得知人工智慧機器學習是有極佳的辨識能力可以成功偵測並分類機器文章產生器所生成之機器文章。