常用演算法的問題，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

不只是工程師才要懂的 App 資訊安全：取得資安檢測合格證書血淚史(iT邦幫忙鐵人賽系列書)

為了解決常用演算法的問題，作者楊士逸(羊小咩) 這樣論述：

本書內容改編自第12屆 IT 邦幫忙鐵人賽，Security 組優選網路系列文章 《看完眼眶濕濕的App開發者慘烈對抗險惡資安環境血與淚的控訴！》   　　*平時也不可鬆懈！使用手機時也可以進行的資安措施 　　*揭開加解密演算法的神秘面紗，並教導讀者如何使用 　　*嚴密防堵駭客破解手機App，全面保護手機資訊安全 　　*講解程式發布安全、敏感性資料保護等資安檢測項目 　 　　用幽默詼諧的方式介紹艱澀難懂的演算法和如何破解及保護 App，也是台灣第一本，詳細介紹 App 資安檢測項目，並如何通過檢測取得證書，並加料許多即使是一般使用者也受用無窮的保護手機資訊安全的觀念。   　　目標讀者：

　　一般使用者 　　◾  可以了解什麼樣的 App 是否安全，該怎麼保護自己的個資。 　　一般 App 開發者 　　◾  可以學到 SSL 數位憑證觀念， 怎麼將資料加密和怎麼攔截網路傳輸資料。 　　資深 App 開發者 　　◾  了解駭客是如何使用「敲殼、逆向、滲透」破解 App，又該如何保護 App。   本書特色   　　大家都該懂得手機資安保護 　　◾  該不該 JB 或 Root，危害是什麼 　　◾  公用 Wi-Fi 好危險 　　◾  簡訊驗證安全嗎 　　◾  權限隨便給，就會被人看光光   　　資安檢測，從菜鳥到專家 　　◾  資安檢測怎麼誕生的 　　◾  怎麼查找自己所需的規範

文件 　　◾  怎麼取得資安檢測通過證書和標章 　　◾  逐項講解資安檢測項目和技巧   　　神祕的加密學，就這樣趕鴨子上架 　　◾  實作各種雜湊演算法，且運用於電子簽章 　　◾  從原理到實作講解對稱加密演算法，公開金鑰演算法 　　◾  在各種情境下使用混合加密系統   　　手機 App 是怎麼破解，又該怎麼保護 　　◾  駭客是如何脫殼，反編譯 　　◾  使用憑證綁定確保通訊安全 　　◾  混淆程式碼保護你的 App 　　◾  攔截通訊傳遞資料   專業推薦   　　作者跟大家介紹如何使用工具監看網路封包，同時也介紹各種常見的加密演算法的理論與實作，口吻輕鬆有趣，搭配圖解說明，不管你是一

般的 App 使用者或是開發者，相信都能在此書中學得資安相關技能，以及保護自己或保護 App 的方式。——高見龍／五倍紅寶石程式資訊教育 負責人   　　作者透過自身經驗與學習，解析當前市面上流行的攻擊手法，讓讀者可以快速的理解各種攻擊手法以及相對應的防範措施該如何進行，並且分享了取得資安檢測合格證書辛苦的經驗與歷程給大家。這絕對是一本不能錯過的好書。——Paul Li／Yahoo 奇摩 Lead Engineer

常用演算法進入發燒排行的影片

以大數據分析平台JarviX與機器學習進行生產問題分析

為了解決常用演算法的問題，作者陳俊傑 這樣論述：

本文以大數據分析平台JarviX成功協助串連某製造公司各部門數據，打通了該公司各部門的橫向關聯與提供自動化數據管理，簡化了過往需花很多時間處理的繁瑣程序。文中也提出一套標準作業程序，解決了目前該公司遇到客戶下單量少、產能不足、產品品質低、不良率高、人員操作不當、異常發現緩慢、庫存安全性低等生產七大問題，再透過關聯、異常偵測、回歸、預測等演算法，從歷史生產數據中，挖掘出有價值的資訊來優化生產規劃。最後配合文中所提出的精進回圈與機器學習預測，可即時處理及預防異常再次發生。相信本文提出的方法與成果可有效減少人力與時間成本，並使企業具備即時發現生產、銷售、人事、研發及財務問題與解決的能力，協助企業做

數位轉型。

超越多顯卡多機器：分散式機器學習超速實戰

為了解決常用演算法的問題，作者陳敬雷 這樣論述：

在Hadoo/Spark/Mahout/Tensorflow上跑多機器多片GPU的機器學習   　　機器學習在神經網路和GPU流行起來之後大放異彩，連販夫走足都CNN/RNN朗朗上口，然而許多企業/研究機關/學校在花了大筆預算購買昂貴的硬體時，卻不知如何採購，更不用說如何應用這些硬體來進行研發或產品開發了。本書作者是知名電商的創辦人，其不止在機器學習上有十足的實務經驗，在面對大量資料的場景下，更能利用前人的智慧，用上了Big Data最流行的Hadoop/Spark平台。尤有甚者，在新一代的AI函數庫面世時，也能充分利用這些函數庫的GPU加速，將多機器，多GPU的資源應用在大型專案上。  

　　▌業界獨有 　　全書以Hadoop/Spark為基礎，加上使用了最流行的TensorFlow on Hadoop，更使用了分散式系統最老牌的Mahout，有別於一般只介紹Python/TensorFlow的坊間書籍，是市場上唯一僅有完整從Hadoop一直延伸到神經網路。   　　▌內容完整豐富 　　本書以分散式機器學習為主線，以實戰為主要目的。共分為8章，分別介紹網際網路公司巨量資料和人工智慧、巨量資料演算法系統架構、巨量資料基礎、Docker容器、Mahout分散式機器學習平台、Spark分散式機器學習平台、分散式深度學習實戰、完整工業級系統實戰（推薦演算法系統實戰、人臉辨識實戰、對話

機器人實戰）等內容。   　　適合讀者 　　適合分散式機器學習的初學者閱讀，對於有一定經驗的分散式巨量資料方向的從業人員及演算法工程師，也可以從書中獲取很多有價值的知識，並透過實戰專案更佳地理解分散式機器學習的核心內容。

使用光學雷達及反射稜鏡的自主導航載具之室內定位

為了解決常用演算法的問題，作者廖沛仁 這樣論述：

近年來自動化設備開始導入生產線系統，物料的供給或搬運，決定工廠的生產效率，無人搬運車(Autonomous Guided Vehicle, AGV)系統，應用雷射光學雷達(Light Dection and Ranging, LiDAR)與光學反射稜鏡(Corner Cube)等先進光學測距儀偵測器，在一特定專用地圖範圍內的空間場域，進行室內定位與同步建構輪廓地圖。無人搬運車先期研究，由傳統移動機器人建立系統模型出發，建立結構靜力分析、剛體機構運動學，應用麥克納姆輪(Mecanum Wheel)，設計研製無人搬運車載具系統。本文將聚焦於AGV室內定位技術與自主導航控制研究，應用光學雷達偵測器

與反射稜鏡，標定各位置座標，構建同步定位與地圖構建(Simultaneous Localization And Mapping, SLAM)的核心技術，利用機器人作業系統(Robot Operating System, ROS)，執行AGV系統運動與控制邏輯的模擬、測試與驗證分析。建立無人搬運車載系統動力模型、光學位置參數估計與自適應蒙特卡羅定位(Adaptive Monte Carlo Localization, AMCL)結合光學室內定位演算法研發應用。