連線不是私人連線line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

低歸屬感世代：面對因科技而變得孤獨的一代，管理者該如何找回工作夥伴間的深刻連結?

為了解決連線不是私人連線line的問題，作者DanSchawbel 這樣論述：

把職場變得痛苦的，是人際間的疏離。   一本寫給數位時代領導者的忠告。 教你修補團隊關係， 讓員工對工作更有歸屬感。   《公司》、《富比世》雜誌「30歲以下30大」 《商業內幕》「40歲以下40大」 《商業週刊》「你該追蹤的20大創業家」 ─────丹．蕭伯爾─────   　　★ 《華盛頓郵報》暢銷書、《金融時報》當月選書   　　當員工選擇發送訊息，而不是拿起電話或走幾步路到同事座位， 　　失去的，不只是幾秒鐘的交談， 　　而是日後深入交流、維繫情感的機會。   　　即時通訊、數位平台和視訊會議，改變了工作的地點和方式。根據統計，上班族每天花6.3小時查看電子郵件，一天發的訊息超過3

0則，在工作上能信任的朋友卻不到5個人。過度依賴科技或使用時機不當，將導致員工習慣「一個人」面對壓力，轉向社群媒體提供的慰藉，而不是向團隊內的其他人尋求協助、共同解決問題。   　　在低歸屬感世代，科技正在剝奪人跟人之間的情感交流，領導者需要創造更緊密的人際連結，才能提高團隊生產力及成就感，避免員工出現職業倦怠甚至辭職。   　　【歸屬感程度測驗】 　　讓員工回答以下問題，來評估目前的工作是否帶給他們足夠的歸屬感。   　　1. 我覺得生活缺乏真正的意義。 　　2. 我會定期覺得工作無聊、沒有挑戰性。 　　3. 在案子之間跳來跳去使我沒有明確的方向。 　　4. 我的核心價值和工作沒有連結。 　

　5. 我感到與隊友疏遠。 　　6. 我鮮少在會議上發言。 　　7. 我在財務上有困難並影響到了工作。 　　8. 我沒有信心能改善現有的工作處境。 　　假如與上述情況符合5個以上，代表團隊成員之間難以互相信任，缺乏深厚的連結。   　　◤ 員工的人際關係會影響工作績效和投入程度。 　　領導力專家丹．蕭伯爾訪談不同年齡層的經理人，並發出了警訊，若員工間的關係疏離，將減損團隊彼此互助、發揮同理心的能力，為此，他提出了4個增進團隊連結的建議：   　　1. 鼓勵團隊開放協作： 　　為團隊架設共同工作平台，制定任務清單、互相追蹤進度，使團隊間的資訊彼此共享。   　　2. 認可整個團隊的表現，而不僅僅

是認可個別團隊成員： 　　讓員工更有歸屬感和榮譽心，認同自己對團隊的貢獻。   　　3. 促進共同學習： 　　鼓勵團隊分享自己學習到的新知，例如某篇文章或某本書的內容。   　　4. 敢於展示自己的弱點： 　　這使你看起來更人性化，當同事遇到問題，也會更有勇氣向你求助。   　　◤ 面對科技帶來的隔閡，領導人必須主動拉近員工間的距離。 　　蕭伯爾歸納出5個步驟，可有效解決數位工具造成的誤會與衝突： 　　1. 了解同事的需求、工作風格與個性，讓所有人感受到尊重。 　　2. 年輕人偏好在即時通訊上得到立即、簡短的回覆；面對資深工作者則應該親自討論，或透過正式的電子郵件。 　　3. 主動提供成員所需

的資源，讓彼此的信任感更加穩固。 　　4. 向外部顧問尋求幫助，在員工關係惡化前主動介入。 　　5. 訂出指導原則，以便在衝突發生時迅速擋下。   本書特色   　　．分享頂尖企業領導人的經驗，包括Facebook、星巴克、Nike、時代雜誌、LinkedIn等。 　　．透過「工作連結指數」測驗，可以計算你和團隊之間連結的強度。   名人推薦   　　楊斯棓／方寸管顧首席顧問、醫師 　　傅瑞德／行銷顧問、《吐納商業評論》創辦人 　　詹益鑑／加州柏克萊分校訪問學者、《矽谷為什麼》Podcast節目主持人 　　游舒帆／商業思維學院院長 　　陶韻智／XRSPACE總經理、LINE台灣前總經理 　　鄭

晉昌／中央大學人力資源管理研究所教授 　　──齊聲推薦   推薦書評   　　臉書加速我們和陌生人的連結，陌生人可能因為你一則發文、一張照片，就發出好友邀請。你發了一則閱讀心得，對那本書有共鳴的人靠過來。你轉了一張沙灘撿垃圾的照片，對淨灘有感的人靠過來。你點下同意。然後因為另一篇他不甚同意的發文，秒刪你好友。科技讓我們「好聚好散」，我們飛快地以為找到同類，卻又飛快地察覺對方是異類。如何從孤立中走出，請閱讀本書。──楊斯棓／方寸管顧首席顧問、醫師   　　科技的進步，大幅增強了人際間溝通的頻率與密度，卻也因此少了人與人之間的溫度。本書很好地提醒領導者們，在善用科技提升效率之餘，千萬不要忽略領導過

程中最關鍵的要素──人。──游舒帆／商業思維學院院長   　　以實用的指南讓領導人停止依賴科技，並開始與團隊建立真切的連結。──亞當．格蘭特（Adam Grant）／《紐約時報》暢銷書《給予》、《反叛，改變世界的力量》、與雪柔．桑德伯格（Sheryl Sandberg）合著《擁抱B選項》作者   　　徹底檢視科技在我們的生活中所扮演的角色，以及我們對裝置過度依賴是如何加深了我們的孤立感。但《低歸屬感世代》也是懷抱希望的著作，為領導人和其他任何想做得更好的人提供了改變的處方。──丹尼爾．品克（Daniel H. Pink）／《什麼時候是好時候》和《未來在等待的銷售人才》作者   　　透過商業來拉

抬人性是自覺資本主義的目的。《低歸屬感世代》就是在貼心提醒，職場文化必須具備信任、真心、創新與關懷，使工作同時成為個人成長與專業圓滿的來源。──約翰．麥凱（John Mackey）／全食超市（Whole Foods Market）執行長暨創辦人，《品格致勝》共同作者   　　好玩、設想周到的讀物，更重要的，是真正有用的著作。──史丹利．麥克克里斯托（Stanley McChrystal）／（退役）將軍、《紐約時報》暢銷書《美軍四星上將教你打造黃金團隊》作者   　　我們的大腦尺寸增大是為了處理複雜的交際需求，然而我們所演化成的社會卻不重視人性互動。丹的洞察力將確保各位把演化所形成的神經元全部用

上。──梅默特．奧茲（Mehmet Oz）醫師／哥倫比亞大學外科教授，《奧茲醫師秀》（The Dr. Oz Show）主持人   　　在付諸行動日益困難的年代中，一錘定音的連結指南。──湯姆．雷斯（Tom Rath）／《紐約時報》暢銷書《尋找優勢2.0》作者   　　丹將幫助各位把該死的手機放進口袋，正眼看人，並在工作上建立起實在的人性關係。──金．史考特（Kim Scott）／《紐約時報》暢銷書《徹底坦率》作者   　　科技或許加速了改變的步伐，但並未消弭對經營事業的基本需求。在《低歸屬感世代》裡，丹．蕭伯爾提供了專家建言來克服科技的缺點，並重新聚焦在商業成功的真正基石上：關係、協作和把事情

搞定。是所有領導人的必讀之作。──羅恩．薩伊克（Ron Shaich）／潘娜拉麵包（Panera Bread）創辦人暨董事長   　　《低歸屬感世代》顯示了現代科技是如何使我們的工作生活不圓滿。在這本引人入勝及有洞察力的著作中，丹．蕭伯爾力主我們的互動要多點人性和少點機器，並提供了要怎麼達成這點的實用指南。任何人想要在現今的職場上成為更稱職的領導人，本書就是必讀之作。──金偉燦／歐洲工商管理學院（INSEAD）波士頓顧問集團（BCG）策略學教授，《紐約時報》暢銷《航向藍海》作者   　　溝通即領導。領導就是這麼回事：溝通。《低歸屬感世代》出色地指點我們，要成功讓科技與裝置使我們成為更好的領導人

和溝通者，而不是更差。──基普．廷達爾（Kip Tindell）／收納商店（The Container Store）共同創辦人、董事長暨前任執行長   　　對於在這個科技的年代，要怎樣才能為職場恢復人性和真心的連結，丹．蕭伯爾在他出色的新書《低歸屬感世代》裡提供了最深入、最有洞察力的分析：要靠領導人建立有高度動機、協作的團隊，以打造出健全、有成效的職場。對所有關心使工作圓滿的人來說，它都是必讀之作。──比爾．喬治（Bill George）／哈佛商學院資深研究員，美敦利（Medtronic）前任董事長暨執行長，《找到你的真北》（Discover Your True North）作者   　　我要

把《低歸屬感世代》推薦給任何想要為團隊創造更高生活品質的領導人。蕭伯爾解釋了要怎麼建立對個人與組織的成功至關重要的人性連結。不管科技多進步，人性接觸依舊會在，而本書將幫助各位打造更強固的關係來通往更高的績效與快樂。──米歇爾．藍道（Michel Landel）／索迪斯（Sodexo）執行長   　　丹寫出了有意義的新經典。他增強了對圓滿的人性需求，並說明了大部分的科技都會限制這層重要的連結。套用他的觀念將有助於眾人找到有意義的連結，以兼而增進個人的福祉與工作生產力。──戴夫．尤瑞奇（Dave Ulrich）／《紐約時報》暢銷書《尤瑞奇樂於工作的七大秘密》作者，密西根大學羅斯商學院（Ross S

chool of Business）倫西斯李克特（Rensis Likert）教授   　　在《低歸屬感世代》裡，丹．蕭伯爾提醒我們，人性千萬不可淪為新科技的附庸，無人駕駛或其他都一樣。而且這樣的進展正在人性的連結中被體現，以為了追求更好且有創意地一起工作。──貝絲．康斯塔克（Beth Comstock）／奇異（GE）前副董事長   　　對任何渴望勞動力要更協作與更有成效的領導人來說，《低歸屬感世代》都是有價值的讀物。聽從丹的建言，我們就能享有更強固的團隊關係，進而帶來更強的經營成果。──伯特．雅各（Bert Jacobs）／人生美好（Life Is Good）共同創辦人暨樂觀長   　　在《

低歸屬感世代》裡，丹．蕭伯爾敦促我們放下手機，開始投資更深厚的關係。這是我們全都需要聽到的訊息。──丹．希思（Dan Heath）／《紐約時報》暢銷書《關鍵時刻》、《黏力，把你有價值的想法，讓人一輩子都記住！》、《學會改變》、《零偏見決斷法》共同作者   　　有的書談生產力卻忽略了實務，有的書給了勾選清單卻忽略了「為什麼」。但要是有書是以研究為本，裡面滿是高度適切的操練，能幫助任何人在工作上變得更稱職呢？不用他求了：《低歸屬感世代》裡富含實用的洞察，不但有助於各位把職務做得更好，也會讓各位暫停一下去思考，要怎麼把日子過成真正想要的樣子。──席尼．芬克斯坦（Sydney Finkelstein）

／達特茅斯教授，暢銷書《無法測量的領導藝術》和《從輝煌到湮滅》作者   　　對於要怎麼成為更好的領導人，《低歸屬感世代》提供了基本事項的實用依據。好的洞察力搭配好的建言。寫得好！──大衛．諾瓦克（David Novak）／百勝集團（YUM! Brands）前任董事長暨執行長   　　在殖民時代，山姆．亞當斯（Samuel Adams）和他的革命夥伴都是在小酒館裡見面，並搭著一、兩杯啤酒來計畫美國革命。《低歸屬感世代》帶我們去重拾了那些必需的人性互動──交談、溝通、協作和共同的熱情。假如你想要釀造自己的革命，丹．蕭伯爾的這本書就是絕佳的指南。乾杯！──吉姆．庫克（Jim Koch）／山姆亞當斯創

辦人暨釀酒師，《創業，先滿足自己的渴望！》作者   　　假如領導人想要打造出與團隊更強固的連結，《低歸屬感世代》就非讀不可。在鼓勵更多的人性連結而不是依賴科技下，蕭伯爾的訊息將隨著時間推移而變得更適切。──霍華德．畢哈（Howard Behar）／星巴克前總裁   　　在世人需要關注的課題上，是非常及時的著作！──蓋瑞．凱勒（Gary Keller）／凱勒威廉國際房地產（Keller Williams Realty International）創辦人，《紐約時報》暢銷書《成功，從聚焦一件事開始》作者   　　科技是不凡的僕人，卻是差勁的主人。不幸的是，它已隨著時間從前者進展為後者，並在許多方面

兼而造成了商業上與個人的亂象。所幸身為現今商界最厲害的人才之一，丹．蕭伯爾再次站上了打擊區來與我們分享他過人的智慧！他不但辨認出了問題，並有系統地提供解方來幫助領導人創造文化與環境，使團隊成員能在工作中享受並壯大。這是每位領導人和每個人都該擁有、一口氣讀完並擺在桌上隨手翻閱的書。──鮑伯．柏格（Bob Burg）／《給予的力量》和《真誠，就是你的影響力》共同作者   　　為了推升關係和建立職涯或事業，假如你今年只能買一本書，那就是《低歸屬感世代》了。奠基在確鑿的研究上，《低歸屬感世代》彙集了諸多領導人的管用策略、觀念，以及實用的操練與建言。──蘇珊．蘿安（Susan RoAne），《個人公關》

和《面對面》（Face to Face: How to Reclaim the Personal Touch in a Digital World）作者

連線不是私人連線line進入發燒排行的影片

違反廢棄物清理法行為主體法律責任之研究

為了解決連線不是私人連線line的問題，作者陳應交 這樣論述：

首先，從食品安全問題、生態問題、政治問題和環境問題，通過從各個層面深入分析《廢棄物清理法》的內容和實施過程及效果，本研究期望結合環境學、經濟學和法律學的範圍，增加強化我國環境保護之法律法規、法律常識和環境教育之有效性，使全世界所有公民和人類擁有一個清潔、安全、衛生的生活環境和活動空間，藉此得以繼續人類的生存和發展，尤其經濟成長與工業的發達造成廢棄物的產生是必然的製造過程之一環，企業主如何在公司治理要求下，遵守廢棄物清理法所規定義務，以免除法律上所負之責任，是目前每位企業主極為重要的企業社會責任（Corporate Social Responsibility，簡稱CSR）精神 ，現行《廢棄物清

理法》就廢棄物之清理，查立法有第11條：「一般廢棄物清理主體之規定，有關執行機關、管理機構與私人土地或建築物該所有人、管理人或使用人各自清理區域之責任」，第14條﹕「一般廢棄物應由執行機關負責清除、處理責任」，第15條﹕「物品或包裝與容器之製造、輸入之業者或原料、輸入或製造之業者與販賣業者間應負回收清除處理之連帶責任」，第16條﹕「應負回收、清除、處理之「責任業者」 應依政府公告之費率繳納回收、清除、處理費用以做為中央主管機關統籌分配使用之資源回收基金的管理制度」，第30條﹕「事業廢棄物清理委託人與受委託人間負連帶清理責任及環境改善責任」與第71條﹕「廢棄物非法棄置得由管理機關、執行機關命其限

期清除處理，由其委託人、受委託人與管理人、使用人、所有人負第二次連帶清除與改善環境之責任，逾期不為清除處理管理機關與執行機關得不經土地所有人、管理人或使用人同意，強制進入公私場所進行有關採樣、檢測、清除或處理等相關措施，由政府代為清除其清除處理費用，執行機關有權行使求償權，並於屆期不清償時移送行政執行機關強制執行（廢棄物清理法第65條參照）」，重視行為責任之分辨、事業委託與受託者間之連帶責任與刑法及行政罰法之規範、闡述連帶責任範圍及所涉行為責任之管理理論、經濟法律學說、違法狀態及實務見解分析，並援引法院裁判進行個案分析，期盼透過本研究研擬妥適的立法面與執行面，改善人類生活環境以及精進廢棄物管理

制度，以達到減少廢棄物之產生與生態衛生安全平衡發展之成效，並強調生態環境、資源回收與零廢棄物之理念，以提升全民綠能觀念並適切研討出合乎民情、法理制度與良善管理之政策，強調企業社會責任之四大責任 一經濟責任、二法律責任、三倫理責任、四自由裁量責任之理論，融入國際碳權及碳稅機制應變處置方針，最終提出廢棄物清理法、環境保護專責及技術人員訓練管理辦法修正建議並研擬環保爭議處理法草案作為本研究之建議與結論。

大數據時代：資料庫系統實作與案例分析(附光碟)

為了解決連線不是私人連線line的問題，作者李紹綸 這樣論述：

　　本書作者精心彙整大數據分析工作所需的理論知識、系統開發，程式撰寫與建立模型之實務經驗，以資料庫實作為主軸，導引出大數據之應用和未來方向；由資料分析、資料倉儲到資料探勘，皆有周詳的說明與釋例，讓讀者一目了然，在觀念結構的建立上能更有效率的掌握，並舉列案例讓讀者透過案例分析，而能對資料庫的概念有更深一層的體會。 　　書中並完整介紹一些常用和知名套件如何撰寫、使用以及對跑出的結果如何進行解讀，例如：如何利用wordcloud套件繪製文字雲、Arules 套件 apriori 進行關聯規則分析、stats套件 kmeans 進行集群分析、C50 套件 C5.0 進行決策樹分析、stats 套件

glm 和RevoScaleR 套件 rxLogit進行羅吉斯迴歸分析等，相信對於有志成為資料科學家的初學者而言，本書絕對是一本絕佳的入門書籍。 　　※本書架構： 　　1. 第一、二、三、五章：主要介紹關聯式資料庫中進階技巧，以檢視表為開端，接續單元介紹索引技術、交易管理和可程式性物件，讓讀者建立在處理大量結構化資料時能更有效率的觀念與基礎。 　　2. 第四章：介紹 ADO.NET 資料庫程式設計，讓讀者從無到有建置一個小型資訊系統專案，建立對於資訊系統開發之認識，以及提升程式撰寫的能力。 　　3. 第六章：介紹資料倉儲與資料探勘，對於監督式學習或非監督式學習相關知識有一定程度的了解。

　　4. 第七章：介紹 SQL Server 2016 版才有的新功能，也是微軟致力於大數據分析的解決方案，主要提供資料科學家能夠透過原先所熟悉的 R 語言，不論是在交談式介面中透過SQL Server R Services直接撰寫 R 腳本指令進行資料分析，或是在 Visual Studio.NET 中透過R Tools for Visual Studio或 Microsoft R Client 的安裝，在原有 Visual Studio開發環境撰寫 R 指令從事各種機器學習，進行關聯、分類、集群和預測的工作。 　　書附光碟內容 　　1.Microsoft SQL Server 201

6 範例資料庫 　　2.SQLServer2016 本書特色 　　1. 以資料庫的實作為主軸，詳述大數據的應用和未來方向。 　　2. 詳盡說明資料分析、倉儲與探勘等課題。 　　3. 舉列實際案例且循序引導，進而培養對資料庫的概念。 　　4. 常用套件、知名套件之介紹、撰寫、解讀說明與範例。 　　5. 對有志成為資料科學家的初學者而言，本書絕對是一本絕佳的入門書籍。 Chapter 0 大數據時代導讀 Chapter 1 視界 1.1 視界的優點 1.2 視界的缺點 1.3 視界的種類 1.4 使用「Management Studio」建立檢視表 1.4.1 建立行列子集視界 1.4.

2 建立聯結視界 1.4.3 建立統計摘要視界 1.5 使用「Management Studio」修改檢視表 1.5.1 使用檢視規則更新 1.5.2 使用繫結至結構描述 1.6 使用「Management Studio」刪除檢視表 1.7 使用「T-SQL 指令」建立檢視表 1.7.1 建立行列子集視界 1.7.2 建立聯結視界 1.7.3 建立統計摘要視界 1.8 使用「T-SQL 指令」修改檢視表 1.8.1 使用檢視規則更新：WITH CHECK OPTION 1.8.2 使用繫結至結構描述：WITH SCHEMABINDING 1.8.3 將檢視表加密：WITH ENCRYPTION

1.9 使用「T-SQL 指令」編輯檢視表的資料 1.9.1 在檢視表中新增一筆資料 1.9.2 修改檢視表中的資料 1.9.3 刪除檢視表中的資料 1.10 使用「T-SQL 指令」刪除檢視表 1.11 習題 Chapter 2 索引 2.1 主索引 2.2 叢集索引 2.3 次索引 2.4 多層索引 2.5 密集索引和稀疏索引 2.6 使用「Management Studio」建立索引 2.7 使用「Management Studio」修改索引 2.7.1 是否忽略重複的索引鍵 2.7.2 是否設定填滿因數 2.8 使用「Management Studio」刪除索引 2.9 使用「T-

SQL 指令」建立索引 2.10 使用「T-SQL 指令」修改索引 2.10.1 是否忽略重複的索引鍵：IGNORE_DUP_KEY 2.10.2 是否設定填滿因數：FILLFACTOR 2.11 使用「T-SQL 指令」刪除索引 2.12 習題 Chapter 3 交易管理和並行控制 3.1 交易管理 3.1.1 交易的 ACID 四大特性 3.1.2 交易狀態 3.2 為何需要並行控制 3.3 排程的循序性 3.3.1 如何測試非序列排程的正確性 3.3.2 優先次序圖 3.4 並行控制的方法 3.4.1 鎖定法 3.4.1.1 二位元鎖定 3.4.1.2 共享 / 互斥鎖定 3.4.1

.3 兩階段鎖定法 3.4.1.3.1 發生死結的條件 3.4.1.3.2 死結預防 3.4.1.3.3 死結偵測 3.4.1.3.4 飢餓問題 3.4.2 時間戳記法 3.5 使用「T-SQL 指令」執行交易 3.5.1 BEGIN TRANSACTION 3.5.2 COMMIT TRANSACTION 3.5.3 COMMIT WORK 3.5.4 ROLLBACK TRANSACTION 3.5.5 ROLLBACK WORK 3.5.6 SAVE TRANSACTION 3.5.7 交易的架構 3.5.8 巢狀交易 3.5.9 分散式交易 3.5.9.1 如何啟動分散式交易協調器 (

MSDTC) 服務 3.5.9.2 如何新增一個連結伺服器 3.5.9.3 BEGIN DISTRIBUTED TRANSACTION 3.5.10 交易的隔離等級 3.5.11 資料鎖定 3.5.11.1 樂觀和悲觀的並行控制 3.5.11.2 資料鎖定的種類 3.5.11.2.1 鎖定的對象 3.5.11.2.2 鎖定的方法 3.5.11.2.3 意圖式鎖定 3.5.11.2.4 各種鎖定的共存性 3.5.12 鎖定的死結問題 3.6 習題 Chapter 4 VB.NET 2015 資料庫系統實作 4.1 ADO.NET簡介 4.1.1 .NET Data Provider 4.1.1

.1 Connection 物件 4.1.1.2 Command 物件 4.1.1.3 DataReader 物件 4.1.1.4 DataAdapter 物件 4.1.2 DataSet 物件 4.1.2.1 DataTable 物件 4.1.2.2 DataColumn 物件 4.1.2.3 Constraint 物件 4.1.2.4 DataRelation 物件 4.1.2.5 DataRow 物件 4.1.2.6 DataView 物件 4.2 建立資料庫系統專案 4.2.1 「使用者登入」實作 4.2.1.1 使用者介面設計 4.2.1.2 編寫程式碼 4.2.2 「EM01員工資

料維護」實作 4.2.2.1 使用者介面設計 4.2.2.2 編寫程式碼 4.2.3 樣板表單設計 4.2.3.1 使用者介面設計 4.2.3.2 編寫程式碼 4.2.3.3 加入 .NET Framework 元件至工具箱 4.2.4 「EM02 員工資料維護」實作 4.2.4.1 套用繼承的表單 4.2.4.2 建立資料庫連線 4.2.4.3 建立資料配接器 4.2.4.3.1 建立「da員工」資料配接器 4.2.4.3.2 建立「da員工1」資料配接器 4.2.4.3.3 建立「da部門」資料配接器 4.2.4.3.4 建立「da員工電話」資料配接器 4.2.4.3.5 建立「da員工眷

屬」資料配接器 4.2.4.4 建立「dsEM02」資料集 4.2.4.5 使用者介面設計 4.2.4.6 編寫程式碼 4.2.5 「DE01 部門資料維護」實作 4.2.5.1 套用繼承的表單 4.2.5.2 建立資料庫連線 4.2.5.3 建立資料配接器 4.2.5.3.1 建立「da部門」資料配接器 4.2.5.3.2 建立「da員工」資料配接器 4.2.5.4 建立「dsDE01」資料集 4.2.5.5 使用者介面設計 4.2.5.6 編寫程式碼 4.2.6 「PR01 計劃資料維護」實作 4.2.6.1 套用繼承的表單 4.2.6.2 建立資料庫連線 4.2.6.3 建立資料配接器

4.2.6.3.1 建立「da計劃」資料配接器 4.2.6.3.2 建立「da部門」資料配接器 4.2.6.4 建立「dsPR01」資料集 4.2.6.5 使用者介面設計 4.2.6.6 編寫程式碼 4.2.7 「JO01 員工參加計劃」實作 4.2.7.1 套用繼承的表單 4.2.7.2 建立資料庫連線 4.2.7.3 建立資料配接器 4.2.7.3.1 建立「da參加」資料配接器 4.2.7.3.2 建立「da員工」資料配接器 4.2.7.4 建立「dsJO01」資料集 4.2.7.5 使用者介面設計 4.2.7.6 編寫程式碼 4.2.8 「選擇計劃代號」實作 4.2.8.1 新增空白的

表單 4.2.8.2 建立資料庫連線 4.2.8.3 建立「da計劃」資料配接器 4.2.8.4 建立「dsSelectPID」資料集 4.2.8.5 使用者介面設計 4.2.8.6 編寫程式碼 4.2.9 「JO02 計劃參加員工」實作 4.2.9.1 套用繼承的表單 4.2.9.2 建立資料庫連線 4.2.9.3 建立資料配接器 4.2.9.3.1 建立「da參加」資料配接器 4.2.9.3.2 建立「da計劃」資料配接器 4.2.9.4 建立「dsJO02」資料集 4.2.9.5 使用者介面設計 4.2.9.6 編寫程式碼 4.2.10 「選擇身分證號碼」實作 4.2.10.1 新增空白

的表單 4.2.10.2 建立資料庫連線 4.2.10.3 建立「da員工」資料配接器 4.2.10.4 建立「dsSelectEID」資料集 4.2.10.5 使用者介面設計 4.2.10.6 編寫程式碼 4.3 習題 Chapter 5 SQL Server 可程式性物件 5.1 規則物件 5.1.1 使用「T-SQL 指令」建立「規則」物件 5.1.2 使用「T-SQL 指令」繫結資料行 5.1.3 使用「T-SQL 指令」繫結「使用者定義資料類型」 5.1.4 使用「T-SQL 指令」解除資料行之間的繫結 5.1.5 使用「T-SQL 指令」解除「使用者定義資料類型」之間的繫結 5.

1.6 使用「T-SQL 指令」刪除「規則」物件 5.1.7 使用「Management Studio」繫結「使用者定義資料類型」 5.1.8 使用「Management Studio」解除「使用者定義資料類型」之間的繫結 5.1.9 使用「Management Studio」刪除「規則」物件 5.2 預設值物件 5.2.1 使用「T-SQL 指令」建立「預設值」物件 5.2.2 使用「T-SQL 指令」繫結資料行 5.2.3 使用「T-SQL 指令」解除資料行之間的繫結 5.2.4 使用「T-SQL 指令」刪除「預設值」物件 5.2.5 使用「Management Studio」繫結資料行

5.2.6 使用「Management Studio」解除資料行之間的繫結 5.2.7 使用「Management Studio」刪除「預設值」物件 5.3 預存程序物件 5.3.1 使用預存程序的優點 5.3.2 預存程序的種類 5.3.3 SQL Server 流程控制語言 5.3.4 使用「Management Studio」建立「預存程序」物件 5.3.5 使用「Management Studio」執行「預存程序」物件 5.3.6 使用「Management Studio」刪除「預存程序」物件 5.3.7 使用「T-SQL 指令」建立「預存程序」物件 5.3.8 使用「T-SQL 指令

」執行「預存程序」物件 5.3.9 使用「T-SQL 指令」刪除「預存程序」物件 5.3.10 何謂 SQL Injection 資料隱碼攻擊 5.3.10.1 含有 SQL Injection 弱點之「使用者登入」表單 5.3.10.2 如何防範 SQL Injection 攻擊 5.4 觸發程序物件 5.4.1 DML 觸發程序 5.4.1.1 使用 DML 觸發程序的目的 5.4.1.2 DML 觸發程序的類型 5.4.1.3 使用「Management Studio」建立「DML 觸發程序」物件 5.4.1.4 使用「Management Studio」刪除「DML 觸發程序」物件 5

.4.1.5 使用「T-SQL 指令」建立「DML 觸發程序」物件 5.4.1.6 使用「T-SQL 指令」停用「DML 觸發程序」物件 5.4.1.7 使用「T-SQL 指令」啟用「DML 觸發程序」物件 5.4.1.8 使用「T-SQL 指令」刪除「DML 觸發程序」物件 5.4.2 DDL 觸發程序 5.4.2.1 使用 DDL 觸發程序的目的 5.4.2.2 使用「T-SQL 指令」建立「DDL 觸發程序」物件 5.4.2.3 使用「T-SQL 指令」刪除「DDL 觸發程序」物件 5.5 習題 Chapter 6 資料倉儲與資料探勘 6.1 資料倉儲簡介 6.1.1 資料庫與資料倉儲

的差別 6.1.1.1 OLTP 和 OLAP 6.1.1.2 資料倉儲的特性 6.1.1.3 資料庫與資料倉儲之比較 6.1.2 資料倉儲架構 6.1.2.1 資料預處理 6.1.2.2 多維度資料模型 6.1.2.2.1 資料方塊 6.1.2.2.2 事實表與維度表 6.1.2.2.3 星狀綱目與雪花綱目 6.1.2.3 OLAP 線上分析處理 6.1.2.3.1 OLAP 的資料儲存方式 6.1.2.3.2 OLAP 的操作方式 6.2 資料探勘簡介 6.2.1 資料探勘的定義 6.2.2 資料探勘和 OLAP 的差別 6.2.3 資料探勘專案標準流程 CRISP-DM 6.2.4 資料

探勘的功能 6.2.4.1 決策樹 6.2.4.1.1 ID3 和 C4.5 決策樹 6.2.4.1.2 CART 決策樹 6.2.4.1.3 CHAID 決策樹 6.2.4.2 貝氏分類器 6.2.4.3 關聯規則 6.2.4.4 序列規則 6.2.4.5 集群分析 6.2.4.5.1 階層式集群 6.2.4.5.2 非階層式集群 6.3 習題 Chapter 7 大數據分析與應用 7.1 大數據簡介 7.1.1 大數據的定義 7.1.2 大數據的資料特性 7.1.3 大數據的應用 7.1.3.1 古代大數據應用案例 7.1.3.2 現代大數據應用案例 7.1.4 大數據 V.S. 資料科

學家 7.1.5 微軟大數據分析解決方案 7.2 SQL Server R Services 7.2.1 如何啟用外部腳本指令 7.2.2 如何在 SQL Server 中執行 R Script 指令 7.2.3 如何利用 R Script 指令將資料寫入 SQL Server 資料表 7.2.4 如何利用 R Script 指令讀取 SQL Server 資料表中資料 7.2.5 如何查詢 R Service已安裝的 R 套件清單 7.2.6 R Service 如何下載和安裝新的套件 7.2.7 下載和安裝 SSMSBoost 外掛元件 7.2.8 如何利用 SSMSBoost 顯示文字雲

繪圖結果 7.3 R Tools for Visual Studio 7.3.1 建置R Tools for Visual Studio整合開發環境 7.3.2 準備分析的資料 7.3.3 建立 R 語言專案 7.3.4 建立資料來源新增資料庫連線 7.3.5 Arules 套件 apriori 關聯規則分析 7.3.6 stats套件 kmeans 集群分析 7.3.7 C50 套件 C5.0 決策樹分析 7.4 Microsoft R Client 7.4.1 安裝 Microsoft R Client 7.4.2 在 R Tools for Visual Studio 檢視 R Engi

ne 目錄 7.4.3 stats 套件 glm 羅吉斯迴歸分析 7.4.4 RevoScaleR 套件 rxLogit 羅吉斯迴歸分析 7.5 習題 大數據時代導讀 　　不論資訊科技如何演進，從大型主機 (Mainframe)、主從式 (Client-Server)、三階層 (Three-tier) 架構，乃至於現今大眾耳熟能詳的雲端運算、行動APP、社群媒體、物聯網等應用模式，亙古不變的是「資料」依舊成為企業營運的核心命脈，畢竟沒資料就沒價值 (No data, no value)。隨著雲端運算盛行，Hadoop框架中的HDFS (Hadoop Distributed File Sy

stem) 讓大量資料得以分散式儲存、MapReduce則是讓大量資料得以分散式計算，藉由大量儲存和快速運算等兩大特性，讓大數據分析得以實現。平心而論，大數據並不是一個新議題，經過這些年各大媒體爭相報導，企業也逐漸從模糊的概念、爭相理解，到最後認同大數據的實用價值，思慮如何導入應用，冀望能輔助公司決策更加精準。 　　這些年來大多數企業也都學會如何利用「資料」來創造「價值」，這些企業透過線上分析處理(On-Line Analytical Processing，OLAP) 或是資料探勘 (Data Mining) 等技術，將平常賴以為生的 ERP、SCM 或 CRM 等各式各樣資料庫系統所衍生的

大量資料加以分析，取得有助於未來營運方向的決策數據。近年來，除了將企業內部關聯式資料庫中各個資料表等結構化資料的進行分析之外，許多企業更將資料分析的觸角延伸到企業外部諸如：電子報新聞報導、社群網站留言和回文、物聯網感測器紀錄，冀望藉由文字探勘 (Text Mining) 技術，將這些非結構化資料加以分析，嘗試創造出新的價值，以面對這瞬息萬變的廣大市場，大數據分析儼然成為企業成功致勝的秘密武器。 　　然而，企業往往礙於資源不足，或因工具不完善，抑或專業人才不足，導致相關應用推動不順。大數據之所以難為，因為一方面需動用眾多伺服器進行大量運算，對企業而言可謂一筆財務負擔。再者，企業想做好大數據分析

，需要延攬資料科學家或資料分析人才，建構許多資料模型，或針對諸多工具進行設定，對結果進行解讀，無論從管理角度、技能門檻而言都非常高，成為企業難以跨越之鴻溝，亦是無法將大數據應用普及化的主要原因。 　　話雖如此，少數人對於大數據依然存在些許錯誤迷思，誤認為從事大數據分析，就需要建構所費不貲的Hadoop系統，殊不知台灣大多數企業的資料量只有幾TB到數10TB，這樣的資料量在Hadoop技術下根本無法發揮其價值，因為 Hadoop要管理多伺服器節點並將資料從記憶體移動至資料庫造成的啟動延遲，可能會比一般的資料處理方案更慢。誠如專業財經媒體Bloomberg負責人Matt Hunt 指出：「在 B

loomberg 我們並沒有大數據問題，反而是有中量數據 (medium data) 問題，這裡指的中量數據指的是量夠大、但適用於單一設備上，但並不需要龐大巨量的集群數據，相當於 TB，而不需要達 PB 等級」。的確，殺雞焉須用牛刀，特別是台灣的社群媒體沒那麼發達，資料大多不在自己手上，與其盲目追求技術和工具，不如先用小量資料去驗證一個模型，是否能將資料轉換成商機利潤，再來決定要不要建置大數據的作業環境。 　　近年來，筆者曾參與一些政府部門、私人企業大數據應用專案開發，發覺大部分專案也都不是在 Hadoop上執行，反而大部分工作都是透過本書所介紹的章節內容完成，例如：在經濟部資料應用分析專案

中，是利用 R 語言結合 PHP 網頁程式設計，建置一套太陽能發電選址模型，將最近三年全省和離島共 24個太陽能電廠年每 10 分鐘智慧電表所量測到的日照量和發電量資料，進行建模和預測。過程中有些有關發電量遺缺值的資料預處理部分，便是透過 5.3.3 小節所介紹的SQL Server 流程控制語言，利用SQL指令迴圈和判斷式撰寫「內差法」填補有日照量卻無發電量的遺缺值，快速處理數百萬筆的日照量和發電量資料，並且透過 7.3.6 節所介紹的 R 語言 stats 套件中的 arima 模型，進行日照量和發電量的預測。 　　在行政院主計總處主計資料大數據分析研究案中，則是利用C# 結合 SQL

Server 資料庫，建置一套跨機關去識別化資料整合模型，將每五年辦理一次的工業及服務業普查、農林漁牧業普查，或是每十年辦理一次的人口及住宅普查，各縣市政府主計單位將調查後的資料先進行去識別化後，再交付國勢普查處進行去識別化資料整合。去識別化資料整合工具的開發是以 4.1 小節所介紹的 ADO.NET觀念和 4.2 小節資料庫系統範例專案方式實作出來的，此工具可能會面臨處理 2300 萬筆人口普查這類等級的資料量，將其身分證號碼這個主鍵，透過加密方式一一去識別化，或去除其他欄位的間接識別，所以在開發過程中又得透過第 3 章交易管理的觀念，將多個 SQL指令視為同一筆交易執行，並且透過 2.9

小節建立索引，加入多執行緒方式來提升去識別化的執行效能。 　　有鑑於此，筆者將這些年從事大數據分析工作可能會用到的理論知識、系統開發，程式撰寫，建立模型的經驗整理成冊，希望對於想要踏入大數據分析這個領域的讀者有所助益。書中第一、二、三、五章主要介紹關聯式資料庫中進階技巧，以檢視表為開端，接續單元介紹索引技術、交易管理和可程式性物件，這些章節內容與觀念可以讓我們處理大量結構化資料時更有效率，第四章則是介紹 ADO.NET 資料庫程式設計，讓讀者從無到有建置一個小型資訊系統專案，相信對於資訊系統開發有一定認識、對於程式撰寫能力也會提升，第六章介紹資料倉儲與資料探勘，對於監督式學習或非監督式學習相

關知識有一定程度的了解。最後第七章則是介紹 SQL Server 2016 版才有的新功能，也是微軟致力於大數據分析的解決方案，主要提供資料科學家能夠透過原先所熟悉的 R 語言，不論是在交談式介面中透過SQL Server R Services直接撰寫 R 腳本指令進行資料分析，或是在 Visual Studio.NET 中透過R Tools for Visual Studio或 Microsoft R Client 的安裝，在原有 Visual Studio開發環境撰寫 R 指令從事各種機器學習，進行關聯、分類、集群和預測的工作。書中除了介紹一些常用和知名套件如何撰寫，例如：如何利用word

cloud套件繪製文字雲、Arules 套件 apriori 進行關聯規則分析、stats套件 kmeans 進行集群分析、C50 套件 C5.0 進行決策樹分析、stats 套件 glm 和RevoScaleR 套件 rxLogit進行羅吉斯迴歸分析。更重要的是對於這些模型如何使用、和對跑出的結果如何進行解讀，都有非常完整的介紹，相信對於有志成為資料科學家的初學者而言，本書絕對是一本很好的入門書籍。

「視覺辨識」科技偵查措施之適法性—以隱私權為核心—

為了解決連線不是私人連線line的問題，作者蕭國振 這樣論述：

執法機關運用科技設備偵辦刑案，有利於蒐集犯罪事證及提升破案效率，由於立法跟不上科技發展的步伐，使得新型態科技執法欠缺授權依據。2020年9月8日法務部預告制定「科技偵查法」草案，引發社會輿論譁然，認為政府如同電影「全民公敵」片中的橋段，會肆無忌憚的進行全面監控，嚴重侵害人民隱私及資訊自主權益。弔詭的是，大街小巷攝影鏡頭設置越來越多、密度越來越高，民眾反而不以為意，甚至認同廣為設置是種保障措施，有助預防或嚇阻犯罪發生。惟「科技偵查法」草案未將監視系統予以納管規範，有關監視儲存資訊管理，散見於個人資料保護法、警察職權行使法、地方自治條例及相關行政規則等。現行調閱監視器拍攝畫面之偵查作為，實務界定

為刑事訟訴法第228條第1項、第230條第2項一般授權條款之範疇。殊不知科技的發展進步快速，以人工智慧深層學習演算法和卷積神經網路的分析架構，進行影像視訊的偵測與追蹤，透過監視器將所攝得影像轉換成數位資訊儲存在伺服主機，利用程式檢索資料庫進行數據分析，統稱為「視覺辨識」技術之應用。目前警方偵查刑案所仰賴「雲龍系統－雲端智慧型影像檢索服務」為是類科技的應用之一，其功能之強大如上帝之眼，能夠追溯過去蹤跡、鎖定現在位置以及預判未來動向，進而繪製出私人之生活圖像、數位足跡。此類科技偵查措施，可以不斷地更新程式、創設功能，突破物理世界的侷限，以跨越多維空間的方式，無聲無息監控人民生活，嚴重干預隱私權及資

訊自主權。本文首重探討「雲龍系統－雲端智慧型影像檢索服務」之車行紀錄查詢系統，在刑事訴追程序中的定位及屬性，並同時研析相關科技偵查措施之授權依據，以便確立將來執行之判準。