mini pc推薦的問題，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

開朗歐巴的手指旅遊韓語(隨書附贈作者親錄標準韓語朗讀MP3)

為了解決mini pc推薦的問題，作者盧開朗 這樣論述：

人氣韓語名師、「WTO姐妹會」固定班底──盧開朗老師， 集結多年教學、旅遊經驗， 加上長年臺韓文化觀察， 為國人打造這一本韓語旅遊會話書 就是要您輕鬆一指，暢遊韓國！ 　　定居臺灣十多年的盧開朗老師，長年深入觀察臺韓兩國文化差異，以輕鬆活潑的方式教授韓語及韓國文化，透過在課堂上與學生互動，了解國人到韓國旅遊時常遇到的場景與狀況，特別整理成本書，讓你赴韓旅遊遇到任何狀況都不怕！ 　　本書分為兩個部分，「關於韓文」先說明韓文的組成結構與語順，對韓文有了初步概念後，再進入「手指主題式會話」，不用精通韓語，只要動動手指，旅遊韓國超便利！ 　　★關於韓文 　　開口說韓語前要先認識韓文，先透過

「韓國文字的組成結構」帶您認識韓國文字結構，子音、母音、收尾音，一次掌握！再從「韓語語順」學習韓語句型及說話時將主格省略的用語習慣，同時掌握動詞、形容詞語尾變化等概念，讓您輕輕鬆鬆就能說出漂亮韓語！ 　　★手指主題式會話 　　出國旅遊，不論是購物、用餐、詢問，都得開口表達自己的需要。本單元將旅途中常用的單字、語句，分類為「基本會話」、「機場」、「交通」、「詢問」、「住宿」、「逛街‧購物」、「飲食」、「公共場所」、「健康」、「網路」等10個場景，整理出55個主題，就算不太會講韓語，只要動動手指，比出相對應的單字與句型，就能很快地將想問的事、想說的話表達出來！ 　　說明：每個主題的開頭，皆有

該主題相關內容說明，讓您對每個主題會話先有初步認識！ 　　【例】 　　[說明] 韓國的計程車可分為「一般計程車」與「模範計程車」（모범 [mo-beom]）兩種。模範計程車不論是司機與車款都與一般計程車不同，價格也偏高。車輛以黑色轎車為主，屬於較高級的大型汽車，提供給需要大空間後車廂的人，或商務人士使用。 　　代表句型：每個主題皆整理出1～4個相關代表句型，只要將單字套入想表達的句型中，即能適時表達想說的話！ 　　【例】 　　[代表句型1] 　　○○○○○ 가 주세요.  [ ○○○○○  ga ju-se-yo ]  我要到○○○○○。 　　一起說說看：想聽懂對方的問題嗎？想試著用韓語

回答問題嗎？那就搭配MP3跟著一起說說看，練習對話吧！ 　　【例】 　　►一起說說看！ 　　A（司機）：어디 가세요?  [ eo-di ga-se-yo ]  要去哪裡？ 　　B（乘客）：KTX역 가 주세요.  [ KTX-yeok ga ju-se-yo ]  請到KTX站。 　　單字比一比：生性害羞不敢說？怎麼樣就是說不出口？沒關係！只要動動手指頭，比出想表達的單字，輕輕鬆鬆就能比出想說的話！ 　　【例】 　　►單字 　　반찬  [ ban-chan ]  小菜 　　김치  [ gim-chi ]  泡菜 　　상추  [ sang-chu ]  生菜 　　참기름  [ cham-

gi-leum ]  香油 　　간장  [ gan-jang ]  醬油 　　소금  [ so-geum ]  鹽巴 　　開朗歐巴的꿀팁：隨時出現的小提醒，是開朗歐巴貼心地為您整理了可以俯拾即用的短句，讓您迅速表達出想說的話！ 　　＊「꿀팁」[ ggil-tip ]是韓國的流行語，「꿀」的原意是「蜂蜜」，被衍伸為「非常簡單」或「非常有用」的意思，「팁」為英文的「tip」（提示），因此「꿀팁」的意思就是「有用的提示」。 　　【例】 　　[開朗歐巴的꿀팁] 　　‧이거 써 봐도 돼요?  [ i-geo sseo bwa-do dwae-yo ]  這個可以試用一下嗎？ 　　‧샘플 좀 주세

요.  [ saem-peul jom ju-se-yo ]  請給我一些贈品。 　　開朗歐巴告訴你：每個單元最後都有開朗歐巴精選的韓國文化介紹，就是要您認識多元又有趣的韓國。 　　【例】 　　【開朗歐巴告訴你：韓國便利商店】 　　根據統計，韓國的便利商店於2018年底已經超過4萬家，不過可以發現，便利商店比較少出現在大馬路上，通常位於大廈內或巷口。便利商店已經成為韓國當地人生活的一部分。其中以CU及GS25兩家的市場占有率最高，另外還有emart24、7-11、Mini-Stop、Family Mart（全家）等廠商。 　　搭配MP3：由開朗歐巴和韓籍名師親錄標準韓語朗讀MP3，幫

助您說出最道地的韓語！ 　　這樣一本集結學習、旅遊，雙效合一的旅遊會話工具書，讓您即學即用、隨查隨用，想在韓國趴趴走，就靠《開朗歐巴的手指旅遊韓語》，一指就通！ 本書特色 　　◎本書5大特色，輕鬆一「指」，暢遊韓國！ 　　★不用精通韓語，動動手指，也能暢玩韓國！ 　　★羅列豐富單字，玩韓國就靠這本！ 　　★場景包羅萬象，遇到什麼情況都不怕！ 　　★羅馬拼音＋作者錄音，跟著聽、照著說，開口就是道地韓語！ 　　★分類索引好清晰，查找最方便！ 名人推薦 　　「WTO姐妹會」主持人‧莎莎──熱情推薦 　　一本最有趣、最實用的韓國旅遊會話工具書《開朗歐巴的手指旅遊韓語》終於誕生了！ 　　如果

你還不了解韓國文化，那你一定要看這本書！而如果你已經是韓粉但想要更了解韓國文化，那這本書你更是需要好好地拜讀一下！  

mini pc推薦進入發燒排行的影片

品牌應用社群行銷策略之探討-網路互動性與訊息論點品質對購買意願的影響效應

為了解決mini pc推薦的問題，作者毛元敏 這樣論述：

網路社群及互聯網快速發展，廣告行銷活動紛紛將重心移至社群媒體，以提升網路消費者對品牌產品或服務的購買意願。根據的最新數據，Facebook以每個月高達20億的活躍用戶穩坐社群媒體中的領導品牌，因此，社群行銷成為品牌行銷人員應用數位行銷的重要工具，企業及品牌透過Facebook建立自己的粉絲專頁傳遞品牌及產品重要訊息，藉此尋找相同喜好的消費者產生互動，這些變化與趨勢都突顯出社群行銷的多變性與無限可能的商機。本研究從過去學者提出的理論探討社群行銷之網路互動性與訊息論點品質對於消費者購買行為的影響分別提出研究假設，並配合問卷調查法來證實研究假設。本研究共計蒐集到390份有效問卷，在經過統計分析與驗

證後，得到的結果為社群行銷中的「網路互動性」及「訊息論點品質」會正向影響消費者的購買意願。最後，根據本研究結果提出實務建議，提供給欲在Facebook 粉絲專頁上行銷之企業及品牌做為日後訂定社群行銷內容策略之參考。

從芯片到雲端：Python物聯網全棧開發實踐

為了解決mini pc推薦的問題，作者劉凱 這樣論述：

物聯網開發重新定義了「全棧開發」的范圍。Python作為一門快速發展的語言，已經成為系統集成領域的優選語言之一，其可覆蓋從電路邏輯設計到大數據分析的物聯網端到端開發。各領域開發者可以利用Python交叉涉足物聯網設備、邊緣計算、雲計算、數據分析的工程設計。《從芯片到雲端：Python物聯網全棧開發實踐》嘗試讓讀者建立物聯網設計的整體概念，從基礎概念開始，到相關技術選型、開源工程、參考設計與經驗分享。無論是物聯網領域的創業者，還是系統架構師，都可從本書中獲得靈感。本書對於嵌入式開發領域的開發者尤具學習價值，利用Python可加快開發迭代速度、降低開發成本，並可以基於嵌入式Python建立完整的物

聯網軟硬件生態。劉凱，服務於微電子行業二十余載的資深工程師。曾在飛利浦半導體（即NXP恩智浦半導體前身）任資深工程師，從事軟、硬件開發與產品設計等工作，有用匯編/C/C++開發嵌入式系統固件、用Perl/Python腳本做開發支持工具、用PHP/Java/Python做設備雲和Web應用的豐富經驗。現作為獨立系統集成開發商，專業從事物聯網相關項目設計和咨詢服務，主攻嵌入式、RFID、微控制器、物聯網、WSN、Linux、Python、開源等領域。 第1章 物聯網簡介 11.1 物聯網定義 11.2 物聯網發展趨勢 11.3 物聯網應用與技術 21.3.1 物聯網核心價值 2

1.3.2 物聯網發展階段 31.3.3 物聯網分層 51.3.4 物聯網數據傳輸與網絡拓撲 51.3.5 物聯網實施所需技術棧 81.3.6 標准、現狀與未來 101.4 本章小結 16第2章 Python語言基礎 172.1 Python的由來與特征 192.1.1 概述 192.1.2 設計定位與哲學 192.1.3 優點與缺點 202.2 Python與物聯網開發 222.3 獲取Python資源 242.3.1 Python主程序 242.3.2 Python文檔 242.3.3 Python PyPI 242.4 Python解釋器運行環境 262.4.1 REPL交互模式 262

.4.2 直接運行與模塊運行 262.4.3 腳本文件直接運行 272.4.4 源程序文字編碼與結束符 282.5 Python類型與語法 292.5.1 動態類型 292.5.2 傳值與傳引用 302.5.3 數據類型 312.5.4 內置類型 322.5.5 內置類型的普適操作 342.5.6 數值類型 352.5.7 布爾類型 372.5.8 迭代器類型 372.5.9 生成器類型 382.5.10 yield表達式 392.5.11 序列類型 392.5.12 set集合類型 542.5.13 映射類型 552.5.14 其他類型 562.5.15 控制流 592.5.16 內置函數

612.5.17 用戶自定義函數 622.5.18 模塊 652.5.19 輸入/輸出 682.5.20 面向對象編程 742.5.21 進程和線程 822.5.22 錯誤和異常 902.6 Python標准庫概覽 932.7 本章小結 94第3章 Python語言進階 953.1 HOWTO：常見任務和解決方案 953.1.1 數據類型轉換 963.1.2 數據的調試打印 1003.1.3 數據類型資源優化 1023.1.4 數據結構與算法 1023.1.5 數據緩存 1033.1.6 數據多路復用和解復用 1043.1.7 數據序列化和反序列化 1073.1.8 數據壓縮和解壓縮 1193

.1.9 數據加密 1203.1.10 數據傳輸 1213.1.11 數據后處理 1213.1.12 數據持久化 1213.1.13 數據交換 1223.2 HOWTO：函數式編程 1233.2.1 高階函數 1233.2.2 map函數 1243.2.3 reduce函數 1243.2.4 filter函數 1243.2.5 sorted函數 1253.2.6 返回函數 1253.2.7 閉包 1263.2.8 匿名函數 1263.2.9 裝飾器 1273.3 HOWTO：並發運行模型 1313.3.1 協程 1313.3.2 I/O模型 1343.4 HOWTO：日期與時間 1363.4.

1 類型轉換 1363.4.2 時區的處理 1383.5 Python版本遷移 1393.5.1 Python 2與Python 3的區別 1403.5.2 Python 2到Python 3的流程 1403.5.3 多個Python版本共存 1403.5.4 virtualenv 1413.5.5 Windows多個版本共存 1413.5.6 Linux多個版本共存 1423.6 其他常見技巧 1433.6.1 常數類型的模擬 1433.6.2 枚舉類型的模擬 1433.6.3 開發自定義模塊 1443.7 Python與其他語言 1453.8 Python語言擴展 1513.8.1 C語言

擴展Python 1513.8.2 ctypes訪問Windows DLL 1533.8.3 Jython訪問Java類 1543.8.4 IronPython訪問.NET 1553.9 Python加速 1573.9.1 PyPy 1583.9.2 Cython 1593.9.3 PyCUDA 1593.9.4 PyOpenCL 1593.9.5 Theano 1593.9.6 Nuitka 1593.10 本章小結 160第4章 嵌入式系統開發 1614.1 嵌入式系統硬件分類 1624.1.1 MCU 1624.1.2 MPU 1634.1.3 DSP 1634.1.4 SMP 1644

.1.5 異構大小核 1644.1.6 FPGA原型 1654.1.7 SoPC 1654.1.8 GPU 1674.1.9 哈佛結構和馮•諾依曼結構 1684.2 電路原型設計 1684.2.1 集成電路設計流程 1704.2.2 模擬電路原型設計 1704.2.3 數字電路原型設計 1754.3 常見嵌入式微控制器（MCU） 1794.3.1 MCU市場狀況 1794.3.2 Arduino/Wiring 1804.3.3 ARM mbed 1814.3.4 設計專屬架構和專屬MCU 1824.3.5 ARM MCU差異化競爭 1824.4 常見嵌入式處理器和主板 1844.4.1 ARM

架構 1854.4.2 其余的ARM Linux主板 1884.4.3 MIPS開發板 1904.4.4 x86 mini-ITX 1914.5 常見傳感器和執行器 1924.5.1 虛擬傳感器 1934.5.2 智能傳感器 1934.5.3 專用傳感器 1944.5.4 執行器 1954.6 物聯網通信集成電路 1964.7 嵌入式系統開發語言演進 1974.7.1 從匯編到嵌入式C 1974.7.2 從C到C++ 1994.7.3 壓縮C++的系統消耗 1994.7.4 C++適合物聯網開發 2004.8 C/C++的編程模式和技巧 2044.8.1 C/C++設計模式 2054.8.2

回調函數 2064.8.3 有限狀態機模型 2094.8.4 善用結構體 2114.8.5 C/C++協程 2144.9 開發生態選擇 2154.9.1 工業標准與廠家私有指令集架構 2154.9.2 硬件與軟件平台選擇 2154.9.3 編譯器選擇 2164.10 常見操作系統 2174.10.1 無操作系統 2174.10.2 RTOS的優勢 2184.10.3 uC/OS 2194.10.4 Keil RTX 2194.10.5 mbed RTOS與mbed OS 2204.10.6 FreeRTOS 2214.10.7 Linux是開發復雜聯網設備的現實選擇 2224.11 物聯網中間

件 2274.11.1 WSN堆棧 2274.11.2 TCP/IP 2274.11.3 USB 2274.11.4 FAT/FS 2284.11.5 GUI 2284.11.6 Terminal 2284.11.7 MQTT 2284.11.8 CoAP 2294.12 物聯網安全性 2304.12.1 安全相關芯片 2304.12.2 安全中間件 2314.12.3 Python安全算法 2324.13 設備固件更新 2324.13.1 固件更新技術發展史 2324.13.2 本地固件更新 2344.13.3 遠程固件更新 2344.13.4 固件升級定制 2344.14 各類串口實現聯網

2354.14.1 串口協議的選擇 2354.14.2 模擬串口設備 2364.14.3 其他類型虛擬設備 2384.14.4 ISP編程器 2384.14.5 串口設備監控器 2394.15 本章小結 239第5章 設備連接和編程接口 2405.1 設備連接概述 2405.1.1 嵌入式系統連接層次 2405.1.2 選擇正確的連接方案 2415.1.3 具體落實連接設計 2415.1.4 本章內容安排 2425.2 連接能力匯總 2425.2.1 連接由芯片開始 2435.2.2 芯片內部系統總線 2455.2.3 芯片間連接技術 2465.2.4 設備間連接 2495.2.5 設備組網

2505.2.6 設備組網與聯網的無線技術 2535.2.7 連接性回顧 2665.3 Linux文件系統 2665.3.1 設備即文件 2665.3.2 設備文件系統 2675.3.3 Linux設備文件的演變 2685.3.4 文件I/O操作 2715.3.5 Linux硬件編程 2725.4 並行接口 2735.4.1 老舊的PC並行接口 2745.4.2 高速總線 2745.4.3 GPIO 2745.4.4 Linux訪問GPIO 2755.4.5 GPIO的Python包 2765.5 串行接口 2775.5.1 異步通信串行口 2775.5.2 I2C總線 2845.5.3 S

PI總線 2905.5.4 與其他硬件平台相關的Python包 2945.6 USB總線 2965.6.1 USB Endpoints 2975.6.2 USB Device/Host/OTG 2975.6.3 USB 3.0 2975.6.4 libUSB 2975.6.5 PyUSB 2985.6.6 標准化USB橋接 2995.6.7 與USB相關的其他設計 3015.7 Linux網絡設備驅動 3015.7.1 TCP/IP套接字編程 3015.7.2 IEEE 802.3到IEEE 802.11 3025.7.3 網絡通信實現方案 3025.7.4 私有通信協議棧 3055.7.5

短距離無線連接 3075.8 工業總線 3105.8.1 CAN總線 3105.8.2 LIN總線 3125.8.3 其他ASIC 3135.8.4 定制Python擴展 3135.8.5 Windows DLL 3145.9 本章小結 314第6章 嵌入式Python虛擬機 3156.1 嵌入式高級語言平台大薈萃 3156.1.1 高級語言與二次開發 3156.1.2 BASIC 3196.1.3 Java 3196.1.4 Lua 3226.1.5 JavaScript 3226.1.6 .NET 3236.2 前一代Python虛擬機 3236.2.1 Telit GPRS模塊 3236

.2.2 Symbian 3256.2.3 Windows CE 3256.2.4 OpenMoko 3256.3 深嵌入式Python平台 3266.3.1 LEGO EV3 3266.3.2 TinyPy 3266.3.3 嵌入式Python的局限 3276.4 PyMite 3286.4.1 硬件平台 3286.4.2 維護者 3296.4.3 pymbed分支 3296.4.4 開發現狀 3316.4.5 文檔 3326.4.6 源碼樹 3336.4.7 使用流程 3356.4.8 實踐 3366.4.9 工程小結 3376.4.10 網絡資源 3386.5 VIPER/Zerynth

3386.5.1 硬件平台 3396.5.2 Zerynth Studio 3406.5.3 與標准Python的區別 3416.5.4 快速啟動 3426.5.5 坎坷的使用過程 3426.5.6 Zerynth目錄結構 3436.5.7 硬件相關庫 3446.5.8 其他特性 3556.6 MicroPython 3566.6.1 工程背景知識 3566.6.2 在線評估網頁 3586.6.3 官方硬件平台分支 3586.6.4 衍生項目 3596.6.5 UNIX版本 3606.6.6 MicroPython庫 3636.6.7 STM32HAL分支 3656.6.8 NUCLEO-F

401RE適配 3676.6.9 pyboard評估 3726.6.10 異步處理和中斷處理 3896.6.11 中斷處理的普遍問題 3926.6.12 使用心得 3956.6.13 商品化與知識產權 3966.6.14 BBC microbit 3966.7 Linux與Python 3986.7.1 Linux中Python的運行環境 3986.7.2 交叉編譯CPython 4016.7.3 交叉編譯MicroPython 4026.7.4 Jython運行環境 4046.7.5 Android SL4A 4066.8 本章小結 407第7章 Python應用APP 4087.1 基於字

符的人機界面 4097.1.1 命令行參數 4097.1.2 字符終端開發 4107.1.3 ncurses 4117.2 桌面GUI開發 4127.2.1 Tkinter 4137.2.2 wxPython 4147.2.3 Boa Constructor 4157.2.4 wxGlade 4167.2.5 PyGTK 4177.2.6 PyQt 4197.2.7 PySide 4207.2.8 Enthought 4217.2.9 Cocoa+PyObjC 4237.2.10 Java AWT 4247.2.11 IronPython與WPF 4257.2.12 其他UI 4257.3 本

地Web GUI 4267.3.1 與WebKit相關的Python包 4277.3.2 OneRing 4277.3.3 Pyjs 4277.3.4 Python Flexx 4287.4 本地可執行文件 4297.4.1 Linux可執行文件 4297.4.2 Mac OS X應用程序包 4307.4.3 Windows可執行文件 4307.4.4 pyinstaller 4307.4.5 py2exe 4307.4.6 py2app 4307.4.7 cx_Freeze 4317.4.8 Windows系統服務 4317.4.9 Windows定時任務 4327.4.10 Linux系統

服務 4337.4.11 Linux定時任務 4357.5 移動APP開發 4367.5.1 響應式網頁 4377.5.2 PhoneGAP應用開發 4377.5.3 SL4A 4377.5.4 QPython開發 4417.5.5 Kivy 4437.5.6 其他開發方式 4497.6 本章小結 449第8章 Python開發輔助支持 4518.1 物聯網開發需要不斷優化 4528.2 專屬小工具 4528.2.1 單位轉化器 4538.2.2 內碼轉換器 4548.2.3 其他編碼轉換 4558.3 原型驗證 4588.4 代碼生成器 4598.5 軟件測試 4618.5.1 unitte

st單元測試 4628.5.2 socket壓力測試 4628.5.3 urllib2遠程記錄 4638.5.4 PCBA測試 4668.6 文檔生成器 4688.6.1 文檔格式 4698.6.2 文檔生成工具 4738.7 文檔操縱 4778.7.1 Doc文檔操縱 4778.7.2 Excel表格操縱 4788.8 國際化與本地化 4798.8.1 gettext 4798.8.2 Web多語種切換 4828.8.3 字庫文件生成器 4828.8.4 GB2312點陣字庫提取 4828.8.5 TTF字庫提取 4838.9 配置管理 4848.9.1 軟件配置管理 4848.9.2 軟件

配置管理自動化 4858.9.3 Git Bash 4858.9.4 Dulwich/Gittle包 4858.9.5 Python Subversion包 4868.9.6 watchdog系統監控 4868.10 數據與素材處理 4868.10.1 二維碼顯示 4868.10.2 多媒體相關軟件包 4908.10.3 地理位置 4948.11 通信報文分析 4958.11.1 PyShark 4958.11.2 pypcapfile 4978.11.3 scapy和scapy3k 4978.11.4 pcap Web分析 4978.12 與Arduino/mbed相關的Python包 49

78.12.1 Arduino Prototyping 4988.12.2 pyFirmata 5018.12.3 Py2B 5018.12.4 CmdMessager 5018.12.5 mbed 5048.12.6 mbed RPC 5048.12.7 mbed-ls 5058.12.8 Python-mbedtls 5078.12.9 Python-xbee 5088.13 虛擬儀器 5098.13.1 實時顯示波形 5108.13.2 Instrumentino 5108.13.3 Vipy 5118.13.4 PyVISA 5118.13.5 Pythics 5128.14 3D/V

R/AR 5128.14.1 PyOpenGL 5138.14.2 PySoy 5148.14.3 VPython 5148.14.4 Printrun 3D打印 5148.15 本章小結 515第9章 物聯網服務器端設計 5169.1 物聯網計算模型 5179.1.1 雲計算 5179.1.2 Web PaaS與IoT PaaS 5189.1.3 IoT PaaS供應商 5189.1.4 PaaS/IaaS混合架構 5249.1.5 霧計算 5259.2 物聯網與互聯網設計異同 5269.2.1 基礎架構 5269.2.2 標准化程度 5279.2.3 業務模式 5279.2.4 系統構成

5279.2.5 設備接入協議 5289.2.6 數據特性 5299.2.7 系統架構 5309.2.8 數據持久層 5329.2.9 大數據分析架構 5349.2.10 業務耦合與分離 5349.2.11 業務與數據融合 5359.2.12 認證授權與計費 5359.3 物聯網網關與邊緣服務器 5359.3.1 Python socket服務器 5369.3.2 pyserial RFC2217 5369.3.3 SubGHz網關panStamp 5379.3.4 Rascal micro 5389.3.5 Java IoT網關 5399.4 物聯網設備接入協議 5409.4.1 異步通信框

架Twisted 5419.4.2 Twisted 套接字服務器設計 5449.4.3 物聯網專用協議 5589.4.4 CoAP 5609.4.5 MQTT 5649.4.6 mosquitto/paho 5679.4.7 REST API 5729.4.8 服務器數據推送技術 5729.5 高可用性與高並發性 5759.5.1 並行與並發計算 5759.5.2 網絡I/O模型分類 5759.5.3 架構優化的路徑 5769.5.4 關系數據庫系統 5769.5.5 SQL/NoSQL/NewSQL 5789.5.6 Redis 5799.5.7 MongoDB 5809.5.8 時序數據庫

5819.5.9 消息隊列 5839.6 業務與數據融合 5859.6.1 網站權限管理 5859.6.2 認證授權與計費 5869.6.3 OpenID 5879.6.4 OAUTH 5879.6.5 OpenID與OAUTH的異同 5889.6.6 社交化硬件 5889.7 Web開發框架 5899.7.1 MVC模型 5899.7.2 Web開發流程 5899.7.3 Python Web百花齊放 5909.7.4 Zope 5919.7.5 Django 5919.7.6 Flask 5929.7.7 gevent提升性能 5939.7.8 異步Web框架Tornado 5939.7

.9 異步網絡框架Twisted 5939.7.10 異步Web框架Cyclone 5949.7.11 靜態網頁 5949.7.12 TLS安全網頁 5949.8 物聯網安全 5979.8.1 物聯網安全現狀堪憂 5989.8.2 操作系統安全 5989.8.3 數據緩存與數據持久層安全 5999.8.4 Web框架與容器安全 5999.8.5 遠程加載風險 6009.8.6 Web前端安全 6009.8.7 傳輸層安全 6019.9 服務器交付 6039.9.1 虛擬機交付 6039.9.2 Docker容器交付 6039.9.3 VirtualEnv交付 6059.10 服務器運維 605

9.10.1 Linux定時任務 6069.10.2 常見的定時任務 6109.10.3 系統監控 6119.10.4 集成化運維軟件 6139.11 物聯網系統設計實踐 6149.11.1 服務器端需求分析 6149.11.2 確定設備接入方式 6169.11.3 物聯網的實時要求 6179.11.4 EPIC IoT設備服務器 6179.11.5 EPIC架構優化 6199.12 本章小結 625第10章 融合應用與數據分析 62610.1 物聯網是可編程的 62610.1.1 Web API的「滿漢全席」 62710.1.2 Web API技術演進 62810.1.3 IoT Web A

PI的必要性 62810.1.4 Device as a Service 62910.2 數據統計、分析和挖掘 63010.2.1 名詞解釋 63010.2.2 術語小結 63110.2.3 大數據分析 63210.3 采集整理自有數據 63310.3.1 原始設備數據 63310.3.2 數據埋點 63310.3.3 服務器端數據 63410.3.4 需求確定分析方法 63710.4 采集第三方數據 63710.4.1 結構化數據 63810.4.2 半結構化數據 63810.4.3 非結構化數據 63910.4.4 數據錄入 64410.4.5 數據融合 64410.4.6 數據規整 64

610.4.7 數據交易 64610.5 數據分析 64710.5.1 常見編程語言 64710.5.2 數據分析分類 64710.5.3 科學計算數據分析工具 65110.5.4 統計學數據分析工具 65810.5.5 金融數據分析工具 65910.5.6 大數據平台與生態 66110.6 數據可視化 66310.6.1 數據可視化的發展趨勢 66410.6.2 matplotlib 66510.6.3 seaborn 66510.6.4 mpld3 66610.6.5 Chaco 66710.6.6 Pygal 66810.6.7 Plotly 67010.6.8 TVTK 67110.6

.9 VPython 67210.6.10 Folium 67310.6.11 NetworkX 67410.6.12 Bokeh 67610.6.13 Mayavi 67810.6.14 Vispy 68010.6.15 MoviePy 68110.6.16 其他新技術 68210.7 本章小結 682推薦書目與結束語 683

基於卷積神經網路與 U 型卷積網路之影像感測器的色彩特性化建模

為了解決mini pc推薦的問題，作者王柏東 這樣論述：

本研究以卷積神經網路 (convolutional neural network, CNN) 與 U 型卷積網路 (U-Net convolutional network, U-Net) 演算法為核心技術， 並根據 CIE ( 法語：Commission Internationale de l´Eclairage，國際照明委員會 ) 所推薦基於人眼色彩視覺為基礎的色度測定標準，進行色彩特性化建模 (colorimetric characterization modeling)，以實現彩色影像感測器 (color image sensor) 之高精度色彩特性化。影像感測器之色彩特性化是一項艱鉅

的任務。首先彩色影像感測器所感測的 RGB 訊號不能當作色彩度量 (colorimetry)，因為相同的圖像以不同的影像感測裝置量測所產生的 RGB 訊號差異很大，同樣的 RGB 感測訊號可能代表不同的顏色，因此 RGB 訊號不是 CIE 所規範色彩度量的標準 ( 例如 CIELAB 或 CIE XYZ)。所謂影像感測器之色彩特性化係透過演算法進行 RGB 與 CIELAB/CIE XYZ 的色彩空間轉換。過去的研究主要採用包含對照表內插模式 (LUT-interpolation model)、迴歸模式 (regression model) 與類神經網路模式 (artificial neura

l network model) 等方法，到目前為止，色彩特性化的技術經過評測結果：還無法達到接近分光光譜儀的測色水準，其中主要原因為色彩特性化係一非線性的複雜關係，因此，色彩特性化的演算法還有很大的進步空間。基於 CNN 卷積神經網路為基礎，本研究試圖突破傳統 (3 x N) 多項式迴歸建模的度量精度。對於 CNN 色彩特性化技術的研究，我們透過影像感測器自動擷取 IT8.7/4 色彩導表，將 (3 x 8 x 8 ) 像素 ( 3 為 RGB 三顏色， (8 x 8) 為像素大小 ) 輸入 CNN 卷積神經網路，再映射由分光光譜儀量測所輸出的 CIELAB (3 x 1 x 1) 像素

( 3 為 LAB 三顏色 , (1 x 1) 為像素 ) 數據，經過 5 次迭代的卷積神經網路學習，到第 5 次迭代卷積層已擴增為 8 幅 (3 x 8 x 32) 特徵圖 (feature map)，最後平面化 (flatten) 生成 6,144 筆色彩特徵向量輸入至倒傳遞神經網路(back-propagation neural network, BP NN)。 在色彩特性化平均色差值的評比：CNN 建模的 ΔE*ab 為 0.48 優於傳統 (3 x 11) 多項式迴歸建模的 ΔE*ab 為 3.03。CNN 色彩特性化建模面臨的挑戰：CNN 訓練所需的電腦運算量龐大、訓練時間長、

訓練的色彩數據不足、與可驗證的色彩數據過少等。為了克服上述瓶頸， 本研究藉由 U-Net 突破 CNN 訓練運算時間的問題：U-Net 只花了 1,000 波期 (epoch) 的學習週期而 CNN 需要耗費 100,000 波期的學習週期。透過 U-Net 學習可以解決 IT8.7/4 色彩導表數據不足的問題：U-Net 僅從 ISO 12640 (CIELAB/ SCID) 的六幅影像，再利用資料擴增 (data augmentation) 技術標註 32,027,200 色面：U-Net 驗證 ISO 12640 (CIELAB/SCID) 的兩幅 CIELAB 影像中 9,338,45

6 像素與 1,626,192 顏色；而 CNN 從 IT8.7/4 色彩導表中驗證 39,488 像素與 317 顏色。本研究利用 CNN 與 U-Net 卷積網路所建構之創新色彩特性化方法，相較於傳統 (3 × N) 多項式迴歸建模的性能表現更勝一籌，經由研究結果驗證 CNN 卷積神經網路的平均色差值 ΔE*ab 為 0.48，而 U-Net 的平均色差值 ΔE*ab 為 0.52，二者皆優於傳統 (3 x 11) 多項式迴歸模式的 ΔE*ab 為 3.03。雖然 U-Net 建模的平均色差值的精準度略遜於 CNN 模型，但是 U-Net 建模的運算效率比 CNN 建模快約六倍，實

驗透過配備 Nvidia GPU GTX 1080 Ti 的 PC，驗證一張 ISO 12640 (CIELAB/ SCID) 彩色影像之特性化模型，CNN 模型運算平均需要 5 秒，而 U-Net 模型運算平均需要 0.8 秒。本研究證實藉由 CNN 與 U-Net 所產出的色彩特性化建模演算法技術，可提升影像感測器裝置之色彩特性化更高的精度。