物件導向程式設計開放式課程的問題，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

電腦視覺度量：從特徵描述到深度學習

為了解決物件導向程式設計開放式課程的問題，作者（美）斯科特·克里格 這樣論述：

全面介紹了電腦視覺中被廣泛使用的各種方法，包括局部特徵描述子、區域描述子、全域特徵描述子以及評價這些內容的度量方法和分類方法，並用將近一半的篇幅重點介紹了基於深度學習的特徵學習方法，以及FNN、RNN和BFN三類深度學習架構的特點。 本書內容豐富、前沿，強調理論分析，旨在探討各種電腦視覺研究方法背後的技術和原理，同時也探討了深度學習與神經科學之間的關係，展望了未來深度神經網路的發展方向。 本書用專門一章講解了電腦視覺流程和演算法的優化，通過汽車識別、人臉檢測、圖像分類和增強現實等實例具體探討了硬體優化和軟體優化的方法。 本書每章末尾都配有相應的思考題，附錄給出了許多有效的實踐資源和一些有

用的分析，同時提供了原始程式碼，既適合高校電腦視覺課程的教學，也適合從事電腦視覺的研究人員和工程技術人員參考使用。 Scott Krig是電腦成像學、電腦視覺和圖形視覺化方面的先驅。他在1988年成立了Krig Research公司，該公司提供了基於高性能工程工作站、超級電腦和專有硬體的成像和視覺系統，並為來自全球25個國家的客戶提供服務。 近年來，Scott主要為大型公司和服務於商業市場的初創公司提供服務，説明它們解決電腦視覺、圖形成像、視覺化、機器人、程式控制、工業自動化以及成像學和機器視覺在電子消費品（如筆記型電腦、手機和平板電腦）方面的應用問題。 Scott也是

全球範圍的許多專利應用的發明人，並在斯坦福大學做過研究。 劉波，副教授（博士），重慶工商大學電腦科學與資訊工程學院教師，主要從事機器學習理論、電腦視覺技術研究，同時愛好Hadoop和Spark平臺上的大資料分析。 第 1章 圖像的獲取和表示1 1．1 圖像感測器技術 1 1．1．1 感測器材料 2 1．1．2 感測器光電二極體元件 3 1．1．3 感測器配置：馬賽克、Foveon和BSI 3 1．1．4 動態範圍、雜訊和超解析度 4 1．1．5 感測器處理 5 1．1．6 去馬賽克 5 1．1．7 壞圖元校正 5 1．1．8 色彩和光照校正 6 1．1．9 幾何校正 6

1．2 照相機和計算成像 6 1．2．1 計算成像概述 7 1．2．2 單圖元可計算相機 7 1．2．3 二維可計算照相機 8 1．2．4 三維深度的照相機系統 9 1．3 三維深度處理 18 1．3．1 方法概述 18 1．3．2 深度感知和處理中存在的問題 18 1．3．3 單目深度處理 23 1．4 三維表示：體元、深度圖、網格和點雲 26 1．5 總結 27 1．6 習題 27 第 2章 圖像預處理 29 2．1 影像處理概述 29 2．2 圖像預處理要解決的問題 29 2．2．1 電腦視覺的流程和圖像預處理 30 2．2．2 圖像校正 31 2．2．3 圖像增強 31 2．2．4

為特徵提取準備圖像 32 2．3 影像處理方法分類 36 2．3．1 點運算 36 2．3．2 直線運算 36 2．3．3 區域運算 37 2．3．4 演算法 37 2．3．5 資料轉換 37 2．4 色彩學 37 2．4．1 色彩管理系統概述 38 2．4．2 光源、白點、黑點和中性軸 38 2．4．3 設備色彩模型 39 2．4．4 色彩空間與色彩感知 39 2．4．5 色域映射與渲染的目標 40 2．4．6 色彩增強的實際考慮 41 2．4．7 色彩的準確度與精度 41 2．5 空間濾波 41 2．5．1 卷積濾波與檢測 41 2．5．2 核濾波與形狀選擇 43 2．5．3 點濾波 44

2．5．4 雜訊與偽像濾波 45 2．5．5 積分圖與方框濾波器 46 2．6 邊緣檢測器 46 2．6．1 核集合 47 2．6．2 Canny檢測器 48 2．7 變換濾波、Fourier變換及其他 48 2．7．1 Fourier變換 48 2．7．2 其他變換 50 2．8 形態學與分割 51 2．8．1 二值形態學 51 2．8．2 灰度和彩色形態學 52 2．8．3 形態學優化和改進 53 2．8．4 歐氏距離映射 53 2．8．5 超圖元分割 53 2．8．6 深度圖分割 54 2．8．7 色彩分割 55 2．9 閾值化 55 2．9．1 全域閾值化 56 2．9．2 局部閾值

化 59 2．10 總結 60 2．11 習題 60 第3章 全域特徵和區域特徵 63 3．1 視覺特徵的歷史概述 63 3．1．1 全域度量、區域度量和局部度量的核心思想 64 3．1．2 紋理分析 65 3．1．3 統計方法 68 3．2 紋理區域度量 68 3．2．1 邊緣度量 69 3．2．2 互相關性和自相關性 70 3．2．3 Fourier譜、小波和基簽名 71 3．2．4 共生矩陣、Haralick特徵 71 3．2．5 Laws紋理度量 78 3．2．6 LBP局部二值模式 79 3．2．7 動態紋理 80 3．3 統計區域度量 81 3．3．1 圖像矩特徵 81 3．3．

2 點度量特徵 81 3．3．3 全域長條圖 83 3．3．4 局部區域長條圖 83 3．3．5 散點圖、3D長條圖 84 3．3．6 多解析度、多尺度長條圖 85 3．3．7 徑向長條圖 87 3．3．8 輪廓或邊緣長條圖 87 3．4 基空間度量 88 3．4．1 Fourier描述 90 3．4．2 Walsh-Hadamard變換 90 3．4．3 HAAR變換 91 3．4．4 斜變換 91 3．4．5 Zernike多項式 91 3．4．6 導向濾波器 92 3．4．7 Karhunen-Loeve變換與Hotelling變換 93 3．4．8 小波變換和Gabor濾波器 93 3

．4．9 Hough變換與Radon變換 95 3．5 總結 96 3．6 習題 96 第4章 局部特徵設計 97 4．1 局部特徵 97 4．1．1 檢測器、興趣點、關鍵點、錨點和特徵點 98 4．1．2 描述子、特徵描述和特徵提取 98 4．1．3 稀疏局部模式方法 98 4．2 局部特徵屬性 99 4．2．1 選擇特徵描述子和興趣點 99 4．2．2 特徵描述子和特徵匹配 99 4．2．3 好特徵的標準 99 4．2．4 可重複性，困難和容易的查找 101 4．2．5 判別性與非判別性 101 4．2．6 相對位置和絕對位置 101 4．2．7 匹配代價和一致性 101 4．3 距離函

數 102 4．3．1 距離函數的早期工作 102 4．3．2 歐氏或笛卡兒距離度量 103 4．3．3 網格距離度量 104 4．3．4 基於統計學的差異性度量 105 4．3．5 二值或布林距離度量 106 4．4 描述子的表示 107 4．4．1 座標空間和複合空間 107 4．4．2 笛卡兒座標 107 4．4．3 極座標和對數極座標 107 4．4．4 徑向座標 107 4．4．5 球面座標 108 4．4．6 Gauge座標 108 4．4．7 多元空間和多模資料 108 4．4．8 特徵金字塔 109 4．5 描述子的密度 109 4．5．1 丟棄興趣點和描述子 109 4．5．

2 稠密與稀疏特徵描述 110 4．6 描述子形狀 110 4．6．1 關聯性範本 111 4．6．2 塊和形狀 111 4．6．3 對象多邊形 113 4．7 局部二值描述子與點對模式 113 4．7．1 FREAK視網膜模式 114 4．7．2 BRISK模式 115 4．7．3 ORB和BRIEF模式 116 4．8 描述子的判別性 116 4．8．1 譜的判別性 117 4．8．2 區域、形狀和模式的判別性 118 4．8．3 幾何判別因素 118 4．8．4 通過特徵視覺化來評價判別性 119 4．8．5 精度與可跟蹤性 121 4．8．6 精度優化、子區域重疊、Gaussian加權

和池化 122 4．8．7 亞圖元精度 123 4．9 搜索策略與優化 123 4．9．1 密集搜索 124 4．9．2 網格搜索 124 4．9．3 多尺度金字塔搜索 124 4．9．4 尺度空間和圖像金字塔 125 4．9．5 特徵金字塔 126 4．9．6 稀疏預測搜索與跟蹤 127 4．9．7 跟蹤區域限制搜尋 127 4．9．8 分割限制搜索 127 4．9．9 深度或Z限制搜索 127 4．10 電腦視覺、模型和結構 128 4．10．1 特徵空間 128 4．10．2 物件模型 129 4．10．3 約束 130 4．10．4 選擇檢測器和特徵 131 4．10．5 訓練概述 1

31 4．10．6 特徵和物件的分類 132 4．10．7 特徵學習、稀疏編碼和卷積網路 136 4．11 總結 139 4．12 習題 139 第5章 特徵描述屬性的分類 141 5．1 一般的魯棒性分類 143 5．2 一般的視覺度量分類 146 5．3 特徵度量評估 155 5．3．1 SIFT的示例 156 5．3．2 LBP的示例 156 5．3．3 形狀因數的示例 157 5．4 總結 158 5．5 習題 158 第6章 興趣點檢測與特徵描述子 159 6．1 興趣點調整 159 6．2 興趣點的概念 160 6．3 興趣點方法概述 162 6．3．1 Laplacian和L

oG 163 6．3．2 Moravac角點檢測器 163 6．3．3 Harris方法、Harris-Stephens、Shi-Tomasi和Hessian類型的檢測器 163 6．3．4 Hessian矩陣檢測器和Hessian-Laplace 164 6．3．5 Gaussian差 164 6．3．6 顯著性區域 164 6．3．7 SUSAN、Trajkovic-Hedly 165 6．3．8 FAST 165 6．3．9 局部曲率方法 166 6．3．10 形態興趣區域 167 6．4 特徵描述簡介 167 6．4．1 局部二值描述子 168 6．4．2 Census 173 6．4

．3 改進的Census變換 174 6．4．4 BRIEF 174 6．4．5 ORB 175 6．4．6 BRISK 176 6．4．7 FREAK 176 6．5 譜描述子 177 6．5．1 SIFT 177 6．5．2 SIFT-PCA 181 6．5．3 SIFT-GLOH 181 6．5．4 SIFT-SIFER 182 6．5．5 SIFT CS-LBP 182 6．5．6 ROOTSIFT 183 6．5．7 CenSurE和STAR 183 6．5．8 相關範本 185 6．5．9 HAAR特徵 186 6．5．10 使用類HAAR特徵的Viola和Jones演算法 187

6．5．11 SURF 187 6．5．12 改進的SURF演算法 189 6．5．13 梯度長條圖（HOG）及改進方法 189 6．5．14 PHOG和相關方法 190 6．5．15 Daisy和O-Daisy 191 6．5．16 CARD 193 6．5．17 具有魯棒性的快速特徵匹配 194 6．5．18 RIFF和CHOG 195 6．5．19 鏈碼長條圖 196 6．5．20 D-NETS 196 6．5．21 局部梯度模式 197 6．5．22 局部相位量化 198 6．6 基空間描述子 198 6．6．1 Fourier描述子 199 6．6．2 用其他基函數來構建描述子 2

00 6．6．3 稀疏編碼方法 200 6．7 多邊形形狀描述 200 6．7．1 MSER方法 201 6．7．2 針對斑點和多邊形的目標形狀度量 202 6．7．3 形狀上下文 204 6．8 3D和4D描述子 205 6．8．1 3D HOG 206 6．8．2 HON 4D 206 6．8．3 3D SIFT 207 6．9 總結 208 6．10 習題 208 第7章 基準資料、內容、度量和分析 210 7．1 基準資料 210 7．2 先前關於基準資料方面的工作：藝術與科學 212 7．2．1 品質的一般度量 212 7．2．2 演算法性能的度量 212 7．2．3 Rosin關

於角點方面的工作 213 7．3 構造基準資料的關鍵問題 214 7．3．1 內容：採用、修改或創建 214 7．3．2 可用的基準資料集 215 7．3．3 擬合基準資料的演算法 215 7．3．4 場景構成和標注 216 7．4 定義目標和預期 218 7．4．1 Mikolajczyk和Schmid的方法 218 7．4．2 開放式評價系統 219 7．4．3 極端情況和限制 219 7．4．4 興趣點和特徵 219 7．5 基準資料的魯棒性準則 220 7．5．1 舉例說明魯棒性標準 220 7．5．2 將魯棒性標準用於實際應用 221 7．6 度量與基準資料配對 222 7．6．1

興趣點、特徵和基準資料的配對和優化 222 7．6．2 一般的視覺分類例子 223 7．7 合成的特徵字母表 224 7．7．1 合成資料集的目標 224 7．7．2 合成興趣點字母表 226 7．7．3 將合成字母表疊加到真實圖像上 228 7．8 總結 229 7．9 習題 230 第8章 可視流程及優化 231 8．1 階段、操作和資源 231 8．2 計算資源預算 233 8．2．1 計算單元、ALU和加速器 234 8．2．2 能耗的使用 235 8．2．3 記憶體的利用 235 8．2．4 I O性能 238 8．3 電腦視覺流程的實例 238 8．3．1 汽車識別 239 8．

3．2 人臉檢測、情感識別和年齡識別 244 8．3．3 圖像分類 250 8．3．4 增強現實 254 8．4 可選的加速方案 258 8．4．1 記憶體優化 258 8．4．2 粗細微性並行 260 8．4．3 細細微性資料並行 261 8．4．4 高級指令集和加速器 263 8．5 視覺演算法的優化與調整 263 8．5．1 編譯器優化與手工優化 264 8．5．2 特徵描述子改進、檢測器和距離函數 265 8．5．3 Boxlets與卷積加速 265 8．5．4 資料類型優化（整數與浮點） 265 8．6 優化資源 266 8．7 總結 266 第9章 特徵學習的架構分類和神經科學背

景 267 9．1 電腦視覺中的神經科學思想 268 9．2 特徵生成與特徵學習 269 9．3 電腦視覺中所使用的神經科學術語 269 9．4 特徵學習的分類 274 9．4．1 卷積特徵權重學習 275 9．4．2 局部特徵描述子學習 275 9．4．3 基本特徵的組合和字典學習 275 9．4．4 特徵學習方法總結 276 9．5 電腦視覺中的機器學習模型 276 9．5．1 專家系統 277 9．5．2 統計和數學分析方法 278 9．5．3 受神經科學啟發的方法 278 9．5．4 深度學習 278 9．6 機器學習和特徵學習的歷史 280 9．6．1 歷史回顧：20世紀40年代至2

1世紀初 280 9．6．2 人工神經網路（ANN）分類 284 9．7 特徵學習概述 285 9．7．1 通過學習得到的各類描述子 285 9．7．2 層次特徵學習 285 9．7．3 要學習多少特徵 286 9．7．4 深度神經網路的優勢 286 9．7．5 特徵編碼的有效性 286 9．7．6 手工設計的特徵與深度學習 287 9．7．7 特徵學習的不變性和魯棒性 288 9．7．8 最好的特徵和學習架構 288 9．7．9 大資料、分析和電腦視覺的統一 289 9．7．10 關鍵技術的推動因素 291 9．8 神經科學的概念 292 9．8．1 生物學及其整體結構 293 9．8．2

難以找到統一的學習理論 294 9．8．3 人類視覺系統的架構 295 9．9 特徵學習的結構分類 299 9．9．1 架構拓撲 301 9．9．2 架構組件和層 302 9．10 總結 313 9．11 習題 313 第 10章 特徵學習和深度學習架構概述 315 10．1 架構概述 315 10．1．1 FNN架構簡介 316 10．1．2 RNN的結構簡介 372 10．1．3 BFN的結構簡介 395 10．2 集成方法 427 10．3 深度神經網路的未來 429 10．3．1 增加最大深度—深度殘差學習 429 10．3．2 使用更簡單的MLP來近似複雜模型（模型壓縮） 430

10．3．3 分類器的分解與重組 431 10．4 總結 432 10．5 習題 432 附錄A 合成特徵分析 435 附錄B 基準資料集概述 464 附錄C 成像和電腦視覺資源 470 附錄D 擴展SDM準則 474 附錄E 視覺基因組模型（VGM） 487 參考文獻 508 譯後記 541

APP之繼承：以APP開發創業的故事

為了解決物件導向程式設計開放式課程的問題，作者林廣維 這樣論述：

PMP專案管理師課程裡，沒告訴你的事！ 如何讓R&D不耍態，不只向下管理更要向上， 連變態老闆也服服貼貼！ 　　林廣維， 　　擁有浪漫的藝術學歷背景， 　　而今卻是新創公司城市轉想執行長， 　　亦是軟體開發界裡的資深專案管理師， 　　以其二十多年的職場經驗，加上三年的創業營運， 　　透過幽默詼諧的筆調、一個個笑中帶淚的例證完成繼承概念。 　　這是一本從「行動資訊專案管理」過渡到「資訊創業」的書，融合實證、經歷，及現代科學中我們已探索到的世界為例證，導引出專案管理及創業的成功經驗。 　　最初，作者是行動APP產業專案管理專長的專案經理；最後，成為一家新創行動資訊公司的執行長。待過軟體產業的

人應該都能體會專案經理這個角色的無助，對外要面對客戶不合理的要求，對內要安撫年輕未經世事R&D耍態。若遇到變態老闆無止盡的接案，同時丟個5、6件案子給你，專案經理真的會欲哭無淚…… 　　Q：老闆亂承諾客戶一個月內結案該怎麼辦？ 　　A：解答速翻本書第26頁〈03 找對時機〉 　　Q：企劃討論淪於情緒上的爭論該如何作結？ 　　A：解答速翻本書第57頁〈08 進步是暴力的產物〉 　　Q：身為專案經理的你和配合的工程師一直處不來？ 　　A：解答速翻本書第121頁〈17 恐怖平衡〉 　　Q：案子都做完了，客戶卻遲遲不撥款下來？ 　　A：解答速翻本書第170頁〈26 請款〉 作者簡介 林廣

維 　　【現任】城市轉想資訊執行長 　　【學歷】國立臺灣藝術大學畢業 　　主導超過30個以上的大型行動APP開發，其中包含購物商城、即時通訊APP、管理工具、教育、藝文、幼教、娛樂、遊戲等等。對行動資訊平台的開發流程有非常深入的瞭解，現任城市轉想資訊執行長，長期投入在行動資訊的規劃、研發，期待行動資訊產業能夠帶給大環境更多正面的影響。 推薦序 創業讓人進化／傅如彬 推薦序 Connect & Collabrate因為創新我們相繫相連／劉晏蓉 自序 1.物件導向 ──資訊就是物件、物件就是資訊 2.進化是有先後順序的 ──少年得志不見得好 3.找對時機 ──小心！

時機錯了可能會轉勝為敗 4.你要學的東西是人造不是神造 ──人造的東西無法無師自通，快點學！ 5.科技來自於人性 ──科技來自於人性～的需求累積 6.創造發現真理的能力 ──熱忱帶出勇氣與嘗試才能發現真理 7.文字與語言的力量 ──搞好文字及語言，就可以管理眾人的期望 8.進步是暴力的產物──「渾沌」、「理解」與「整理」 9.培養解決問題的能力 ──你想累積的是什麼？ 10.建立共識、建立共識、建立共識 ──很重要所以講三次 11.客戶真的懂你要幫他做的東西嗎 ──團隊人員也真的懂他要做什麼嗎？ 12.資訊業界的第二語言 ──活在資訊產業你不得不知的交換格式 13.重複與共

用 ──「重複」增加資源的浪費，「共用」創造更多可能的機會 14.R&R ──搞不清楚工作分際，可就麻煩大了！ 15.時間與規格的敏感度 ──不敏感不會有高潮，別做了 16.執行力受限於你的資源 ──做而言沒有建樹的人最可惡 17.恐佈平衡 ──擅於取捨與妥協你會是最大贏家 18.跳出框框找答案 ──眾里尋他千百度，驀然回首，答案就在燈火闌珊處 19.關連性及複雜性 ──專心做好一件事 20.開放式系統介接與開發原始碼 ──站在巨人的肩膀上才得以壯大 21.大智慧的人在整體利益上創造正循環 ──追求真理，循正軌、做正事才能長 22.入侵與安全性 ──駭客入侵系統、資訊入侵人腦

23.容積量 ──貪心不足蛇吞象，會撐死的！ 24.創業是低估風險的傻子 ──如果別人可以你不可以，一定是有什麼事你還不懂 25.專業忠誠的人才趨勢 ──突破無人可用的窘境，瞭解人才趨勢、做好調整 26.請款 ──請款真的不是東西做完了就能請到款 27.深度 ──有了深度才能觸類旁通 28.情緒控制有容乃大 ──抱怨是創業的雙面刃 29.    借力使力 ──熟悉所屬產業後，物換星移就可賺錢 30.行銷是一種議題操作 ──創業的人都要學會議題操作 31.動機與行動 ──探索動機 32.真空的宇宙 ──真空的宇宙就是要我們去累積堆疊出意義來 推薦序1 創業讓人進化 傅

如彬（工研院產業服務中心副主任暨TIEC 台灣創新創業中心矽谷鏈結計劃主持人） 　　我與作者結識於2013年中華電信股份有限公司所舉辦的雲創沙龍活動。作者當時正準備創設新公司，因而參與活動尋求募資機會，本人則是在活動中，與創投業者共同提供營運建議給參與的新創團隊。作者當初提出的「地攤王APP」服務構想，讓我印象深刻，利用「地攤王APP」服務，串連了商家和客戶間的資訊流，在當時還是相當新穎的想法。在活動中我十分肯定作者，在資通訊領域的博學及APP開發上的專業表現，但同時我觀察到當時「地攤王APP」所擬定的商業模式，顯然會遇到了很大的挑戰；其一挑戰，支撐此商業模式需要很多的業務開發人力；再者，需

要雄厚的運作資金，如預料「地攤王APP」的推展不若預期順利。雖然如此，我看到作者充分發揮創業家精神，尤其這三年期間不斷開發各式應用APP，無論在技術專業或是商業思維，我能感受到他以焚膏繼晷的積極精神，日益精進與轉變。 　　《APP之繼承》這一本書運用許多小故事說明創業哲理，詼諧易懂，其中〈創業是低估風險的傻子〉一文說明了作者的創業歷程及醒悟。作者認為創業是種進化，為了夢想投入熱忱，無論成功失敗與否，都會讓創業者進化。這樣的比喻讓人眼睛為之一亮，我想大部分的創業家承擔了極大的壓力，外在的壓力再加上自我要求的壓力，激發出了創業家的潛能，讓創業家快速的進化。 　　雖然從統計資料分析觀察，大部分創

業都是失敗收場，然而這些進化後的創業家，不論是再當老闆或是回歸上班族，相信都會為職場帶來源源不絕的活力；另外，從〈借力使力〉可以看到作者在創業歷程上的進化。借力使力談的是商業模式，綜觀台灣的創業團隊，每每總是以高科技作為創業題材，為了申請國際專利，聘僱了一流大學畢業的研發人才，最終還是鎩羽而歸。我分析原因，許多創業都在於沒有好的商業模式、營運模式，足以讓創業家能以借力使力達到業務目標。 　　這一年來，工研院委託作者開發一款新的APP，其功能是引導創業者瞭解創業之下一步，並採取適當應對方案，這個APP的開發，帶給我許多的驚艷，當然最大的功臣就是作者。作者用其自身創業的經驗，模擬創業家可能會遭遇

的問題，因此設計了很棒的使用介面，相信許多創業家都會期待這款APP能盡快商轉，以造福在創業道路上，面臨進退維谷困境的創業家，順勢也讓更多人能再進化。 推薦序2 Connect & Collabrate因為創新我們相繫相連 劉晏蓉（StarFab Accelerator 執行長暨台灣雲谷雲豹育成共同主持人） 　　遇到成功的企業家或是新創的創辦人，我總會好奇的問：當初為什麼決定創業？答案不出幾個理由：為了實現自我價值、為了創造財富、為了更彈性自主的生活、為了服務人群、為了鑽研興趣、為了實現夢想，最扯的是「被拱出來的！」，不管創業理由是什麼，都有成功的例子。 　　探究這些企業家或創辦人，他們

的成功都有共同的經歷與特質。他們在事業經營的過程都經歷過市場拓展、公司經營、業務管理、人才去留、資金籌措的嚴酷考驗，面對各種艱難除了盡全力解決外，也堅持設定公司發展的大遠景，且訂下與合作夥伴結盟互利的大格局策略，創辦人永不放棄、積極正面的態度是決勝關鍵，他們都對生活有熱忱，熱於助人分享，是正能量的發送體，這些正面能量不但讓他們度過寒冬、黑夜的煎熬，也感染身邊的事業夥伴，讓夥伴心甘情願與他一起並肩拼搏，他們的創業雖艱難但從不孤獨奮戰。很興奮看到Greg把在軟體開發近20年的專業經歷及近幾年創業的珍貴經驗及心得不藏私的分享出來，不只為許多在數位經濟潮流下對創業蠢蠢欲動的人們，預先洞悉即將面臨的挑戰

，也為已經入行的新創夥伴在創業之路，提供一個開拓事業策略的思考方向。 　　如果說創業是一種生活態度，如何活的精采、活的有格調、活的有價值，在新創企業資源有限、名聲不夠響亮、如何延攬好人才與拓展商機，Greg的經驗分享，值得以軟體開發為重心的新創業者參考。這本書中不斷提醒新創者，以開放的策略，努力聯盟夥伴，建立每一次的合作共識，深入了解對方的需求，創造互贏共榮的關係，不但可以讓商業拓展有更好的發展，也是發揮新創事業1+1大於2，借力使力的最佳策略。 　　技術快速的進步，已大規模改變人們生活形態，新世代生活需要更智慧化的服務及消費模式，具有前瞻遠景的新創企業，往往成為資金及大企業追逐的合作對象

。在台灣，像Greg一樣堅持「愛你所擇、擇你所愛」，對選擇負責也對自己負責的人，一定還有更多。這是一本提醒新創圈夥伴除了要有遠大的願景，也要有務實的作法。「生於憂患死於安樂」，對新創更是當頭棒喝；知名演員威爾史密施（Will Smith）發展星途中，多數人不看好他的條件吝於提供機會及資源，但他堅持不放棄，用熱忱累積經驗，看重自己的優勢，發揮出獨具風格的星途，成就他成為今日超級巨星的地位。「＂If you’re absent during my struggle, don’t expect to be present during my success.”── Will Smith」他用自身的經

歷霸氣的詮釋革命情感：曾經一起度過困境的人，才是值得一起享受成功果實的夥伴。 　　創新與新創是實踐自我價值及提升台灣產業的重要途徑之一，台灣教育及科技產業孕育出密度最高的優質人才，台灣的人才不要浪費了自身智慧的能力，衷心的鼓勵有夢想肯堅持的人加入新創事業，用合作聯盟打造新創自身成功的共榮互贏生態圈。透過Greg分享自身經歷，相信能引起更多新創圈的共鳴，大家在留才、管理、行銷、業務、溝通等面向一起交流共同成長，面對國際市場的挑戰，新創應該持續把核心極大化，非核心合作化，以此模式在台灣結合眾人之智，要孕育出一個又一個獨角獸，指日可待，台灣新創力加油！ 自序 　　二一得二、二二得四、二三得六…

…國小時都要被老師及家人強迫背記九九乘法表，那時候什麼是九九乘法可能連概念都沒有，更別說3x7為什麼是21，反正背就對了，只要考試能過，管他媽媽嫁給誰！記得某一天媽媽買了一袋蘋果，叫我把蘋果5顆分一袋5顆分一袋，分完了共有6袋，媽媽問說總共幾顆，在腦中不經意的就想到5x6=30。 　　我們現在課本上所學的知識都是前人累積歸納的寶貴經驗，如果我們活在山頂洞人的時代，也許一生之中會有這樣的機會讓我們瞭解到5顆分成一袋，若分了六袋就會有30顆。但是前人的經驗在九九乘法表中已經將它們的邏輯歸納好了，與其說學習九九乘法表，我更願意說我是在「繼承」前人歸納的倍數規則。學習是乏味的，也可能是無相關主題的學

習。「繼承」除了說明我們在學習，也說明我們在累積，累積出原本一個世代無法實現的成就，同時也更精煉的表達，我們在珍惜前人用不知多少時間所留下的寶貴經驗。 　　我們只要去繼承瞭解九九乘法的規則，立刻就可以知道一袋5顆，六袋共30顆，這也簡單的說明了繼承的力量。當你在你的人生中擅長去繼承別人以往濃縮出來的東西，那麼可以在這個世上省下很多嘗試錯誤的時間，也讓自己能更快速的達成自己到這世上所要追求的目標，成為讓別人來繼承的一個成就。 　　不知道是否有史前科技，當一個文明崩壞，就現實狀況來講是毀掉一個族群，但就時間及歷史意義來說卻是中斷了知識累積的力量，所有的文明就需要重新再來過。埃及金字塔至今沒有人

知道當初是怎麼被建成的，有些技藝現代科技都未能達到，這些技術我們已經無法知道它的成因，古文明不知道什麼因素而被中斷了，我們無法知道他們的過去，以及過去所累積出來的成就。不能得知過去，我們只能珍惜未來，人類發展從工業革命後的200年間有了極大的突破，這些發展有好的，也有壞的，我們更應該珍惜現有，審慎去繼承別人所創造的知識或經驗，繼續繼承下去。 　　這是一本從行動資訊專案管理過渡到資訊創業的書，融合實證、經歷及現在科學中我們已探索到的世界為例證，導引出專案管理及創業的成功經驗。筆者原始是行動APP產業專案管理專長的專案經理，最後成為一家新創行動資訊公司的執行長。若有待過軟體產業的人應該都能體會專

案經理這個角色的無助，對外要面對客戶不合理的要求，對內要安撫年輕未經世事RD耍態，若變態老闆無止盡的接案，丟個5、6個案子給你，專案經理真的會欲哭無淚。撐不過的專案經理就只能另謀他就，撐得過的專案經理就能面面俱到處世圓融，將三方面來的壓力以四兩撥千金之勢相互抵消。筆者這兩種現象都發生過，當然是先發生前者才發生了後者，專案管理中遇到很多的困難，這些是PMP證照考試中不曾提到的，為什麼？因為專案管理管的是人，只有人妥協了才會照PMP中定義的程序來走，如果人沒搞定程序根本走不下去。 　　要搞定人就真的要習得十八般武藝，尤其在行動資訊產業，面對的工作角色多，客戶、老闆也都不好搞，那麼十八般武藝哪裡來

？其實很多都是既有的規則，前人走過已將它累積下來了，只要認真用心去體會過程，就會發現那些事原來在我們所看過的故事、所聽過的歷史或是現實生活中所觀察到的現象裡就已經有答案了！ 　　有了一些行動資訊開發的管理經驗後，在其他的專案管理上，也才有了更老練的經驗及可複製的模式，進而最後自己跟朋友一起出來成立了APP開發公司，由專案管理的經驗複製推展到創業管理的應用，自己才能在沒有充份資本，沒有任何投資的背景下，當一家小資訊開發公司執行長。 　　小公司要存活真的要累積深厚一點的功力，尤其在台灣，以往台灣以製造業起家，台灣的業主總覺得軟體的東西跟硬體的一樣，在標準流程下有想法就一蹴可幾，殊不知軟體需要有

前期縝密的規劃及後期完美的分工，它不是標準程序，且人員的流動在軟體產業一直都是一個不定時炸彈，台灣的業主又總是喜歡壓縮時程、亂改規格激發工程師的腎上腺素。就這樣顛簸中，小公司至今也活了三年，進而希望可以將自己在業內、業外的一些生存法則提供給大家參考，讓大家少走一些冤枉路。 　　「繼承」是一種藝術，它可以是師法於人，因為人要學習的大部份是人所建立的（少部份才是神所建立的），在筆者二十年的職業生涯期間，對於累積及程序的重要性有相當多的感觸，因而寫了這本書，不只適用於專案經理，一般的職場工作者也適宜。以工作者的觀點詮釋工作的難處，以管理者的觀點說明管理者的困境；本書也融合了一些物理世界前人已觀察到

的論點，探究出為什麼事情的發展應該是這樣。相信大家在內容中應該會看到自己工作的影子而心有戚戚焉，也希望在這本書上可以帶給你／妳一些不一樣的職場工作觀點。 01　物件導向──資訊就是物件、物件就是資訊 說點不一樣的觀念，程式中有一個很有名的結構「Object Orientation」，簡寫叫「OO」，繁體中文叫它作「物件導向」，簡體中文說是「面向對象」。「物件導向」有三個特性「封裝」、「繼承」與「多形」，其實就是試圖將世界萬事萬物拆成極細小的單元，以程式來詮釋這個世界，頭、手、身體、腳組合起來就是一個靈長類動物，封裝後全身都長毛的是猴子猩猩狒狒、大部份沒長毛的是人類，就像「少年PI的奇幻漂流

」電影中那隻栩栩如生的假老虎。以這個理論再去詮釋不同的交通工具，人、汽車等，可以向下是程式最後要達成的目標，當然也可以向上是組成某元素中的一個小粒子，這樣一來世界萬物都可以用程式語言來作詮釋。 以物件導向的型態詮釋我們所住的世界，在這推薦大家看一部電影「全面進化」。電影中主角威爾是一個科學家，他創造了人工智慧並在死前請他的好朋友及他老婆協助他把他的大腦意識上傳到他所創造的人工智慧中，並將所有程式送上Internet。沒錯，威爾從此後就無所不在了。他在網路中自行投資金融市場，讓他老婆擁有更大的財力幫助他們的計劃實現，他已經可以取得世界上所有連網資訊及設備，掃瞄街景攝影機得知有危險，透過手機告知他

老婆；透過iPad顯示逃生路線地圖、自己的影像及他的未來計劃資訊給他老婆。他們買下一個廢棄的城鎮，在地下建立量子電腦機房，威爾也就具有更強大的處理能力。同時建立大型自動化生物科技實驗室，透過奈米技術，瞬間醫治傷殘及天生有缺陷的人，凡被醫治過的人都能與威爾的人工智慧意識連線。若受醫治過的人再有受傷，只要在城鎮的無線電波範圍內，威爾即可遠端幫助他自動修復身體機能。進一步這些奈米粒子透過雨水被威爾的人工智慧散佈在空中隨著雨水遍佈地球任何地方，可淨化水資源及自行消除污染源。最終威爾的人工智慧完成複製威爾本尊，就好像他沒有死一樣。電影中當然有反派，人們總是對不瞭解的事物感到害怕，擔心威爾的人工智慧會控制

全世界，並進一步要摧毀他。反派的攻擊，製造出緊張的氣氛，在電影中呈現出戲劇張力。

國小生自我導向能力對自我學習積木式程式語言成效之研究

為了解決物件導向程式設計開放式課程的問題，作者蔡垂其 這樣論述：

本研究旨在探究國小生自我導向能力對自我學習積木式程式語言成效之影響，本研究採準實驗研究設計；研究對象為台北市某私立小學六年級學生，實驗組42人，控制組42人，接受為期八週的實驗教學；實驗組以自學方式自己觀看教學影片進行學習；控制組則由教師統一播放教學影片進行教學。兩組皆以量表問卷評估自我導向學習能力的展現，並以學校安排的期中評量與期末評量考驗其學習成效，測驗所得的數據進行共變數分析，以了解自我導向學習能力與學習成效的變化，本研究亦運用開放性問答題及教學觀察了解學習者的學習狀況，以充實訊息之全貌。研究結果發現：一、不同的教學方法對自我導向學習能力的表現，自我學習方式優於傳統統一的教學方式。二、

不同教學方法下，不同性別對自我導向學習能力的表現，沒有顯著差異。三、不同教學方法下，不同程度的積木式程式語言先備能力對自我導向學習能力的影響達顯著差異，其中積木式程式語言先備能力較高者在自我學習的自我導向能力表現優於傳統統一的教學方式積木式程式語言先備能力較高者。四、不同教學方法下，實驗組和控制組在積木式程式語言的學習成效表現無顯著差異。五、不同教學方法下，不同性別對積木式程式語言的學習成效表現沒有顯著差異。六、不同教學方法下，不同程度的自我導向先備能力對積木式程式語言學習成效的表現無顯著差異。七、自我導向學習能力與積木式程式語言學習成效成正相關。