作業系統 自學的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

EN帶你寫個作業系統：來趟RISC-V開發輕旅行(iThome鐵人賽系列書)

為了解決作業系統 自學的問題，作者陳毅(Ian) 這樣論述：

「計算機結構X作業系統實務X開發工具鏈」 一本全方位的作業系統開發入門指南 　　本書內容改編自【 第 13 屆】2021 iThome 鐵人賽，Software Development 組佳作《微自幹的作業系統輕旅行》。王佑中博士曾說：「寫一個 OS 是多麼美好的事，在有限的生命中千萬不要遺漏了它。」如果你不知道從何下手，就跟著 EN 一起體驗 DIY 作業系統的樂趣吧！ 本書特色 　　1.第一本繁體中文的 RISC-V 相關書籍 　　◾不知道處理器的運作模式？沒關係！本書帶你學習處理器快取、流水線設計。 　　◾深入探討 RISC-V 架構，涵蓋 RV32I 指令集介紹、呼叫慣例與中

斷處理。 　　2.探討數個開放原始碼專案的設計細節！ 　　◾成功大學資工系師生團隊開發的 rv32emu 　　◾MIT 開發的 xv6 作業系統 　　◾金門大學資工系陳鍾誠教授開發的 mini-riscv-os 　　3.實務與理論兼具的技術書籍沒有碰過作業系統沒關係！ 　　本書將會帶你探討以下內容： 　　◾基礎計算機科學知識 　　◾RISC-V 架構探討 　　◾作業系統概論與實作 　　◾並行程式設計基礎 　　◾開發作業系統所需的工具包 專業推薦 　　『相信陳毅的這本書，也會讓你真正看懂《作業系統》到底為何物！ 一個真正的程式人，一輩子當中至少要寫一個自己的作業系統，就讓陳毅帶你入門吧！

』陳鍾誠 教授 　　『陳毅的這本書以先理論後實作的方式，結合了Computer Science的基礎知識，進而探討作業系統設計並嘗試解讀開源專案的原始程式碼，能幫助讀者深入了解作業系統的核心價值。』謝致仁 教授  

作業系統 自學進入發燒排行的影片

利用數位遊戲系統學習日語助詞之成效

為了解決作業系統 自學的問題，作者林佳萱 這樣論述：

隨著科技的蓬勃發展，將語言教學、學習與科技結合的模式變得越來越盛行，藉由數位學習教材的優勢，不但可以提供比紙本教科書更有趣的學習環境，也可以使學習者能夠有更好的學習成效。既有的研究在數位學習教材應用於日語方面，大多為針對五十音、初階文法及日常生活用語等，鮮少有應用於助詞上的相關文獻資料，因此本研究將以日語助詞作為學習的教材，並且納入和中央大學網路學習科技研究所共同設計的「電腦數位遊戲結合日語助詞」數位遊戲式日語學習系統「賓果拚拚日」當中。日語助詞對於以華語為母語（本研究後文所稱之「華語」均為「國語、中文」）的初學者而言是艱難的學習項目，雖然有的日語助詞用法和華語的意思是有相互對應，例如：から

（從）、まで（到）、へ（往）、と（和）、より（比、從），但是仍然有一些日語助詞用法無法和華語對應到，例如：表示主題或主語的は、が，還有另一部分的日語助詞可以對應到多種的華語意思，例如：を（把、移動、離開、穿越）、に（在某時間、進入、存在、對象、目的）、で（在某地點、用、因為），學習者可能無法了解某些日語助詞的區別，也可能因為對應到的華語意思太多而無法分辨正確，所以容易產生日語助詞的理解困難與誤用等情形。為了克服此困難，在過去的研究中，學者提出各式各樣的教學法解決助詞的學習難題，經過整理後可以發現教學法主要還是以傳統紙本教學模式為居多，故本研究採用數位遊戲式學習系統之方式，並且將針對も（類比／全

盤否定）、から・まで／に（時間範圍／時間點）、で／に（動作立著點／存在狀態）、に／から（主詞動作的對象／來源、出處的對象）、は／が（提示所在句之主題／提示存在句之主語）作為探討的助詞項目。本研究旨在探討日語初級學習者使用電腦數位遊戲作為語言學習之輔助工具，希望能夠幫助學習者排除助詞的學習障礙，並且降低使用日語助詞的誤用率，同時想要探討將助詞的學習教材導入電腦當中，是否真的能夠使學習者產生學習興趣以及提升學習效果，故採用成對樣本t檢定（Paired sample t-test）進行分析，以探討學習者在使用數位遊戲式學習系統的日語助詞學習成效前測以及後測分數是否有差異。在數位遊戲式學習的部分將採用

獨立樣本t檢定（Independent sample t-test）進行分析，將探討不同獎懲機制的兩種組別（獎懲皆有、僅有獎勵）其對於使用數位遊戲式學習系統的日語助詞學習成效有無顯著差異，以及兩組之間對於數位遊戲學習系統作為輔助學習的科技接受程度是否有顯著差異。本研究的參與者以日語初學者為對象，並且依照不同的獎懲機制分成兩組，此研究採用教師實體授課為主，數位遊戲式日語學習系統「賓果拚拚日」為輔的方式進行，參與者皆需參加前測與後測，以分析學習者的日語助詞學習成效。研究結果顯示：(1)透過日語助詞之學習成效測驗分析，整體學習者在學習成效方面有大幅度地提升，因此使用數位遊戲式學習系統輔助學習有助於學

習者對於日語助詞概念的理解。(2)不同的獎懲機制組別對於學習者在助詞學習成效方面並無顯著的差異，因此學習者對於日語助詞之學習成效相異程度不會受到獎懲機制的不同而有所影響。(3)透過科技接受模式量表分析，不同的獎懲機制組別對於科技接受程度方面並無顯著的差異，因此學習者對於日語助詞之學習成效相異程度不會受到獎懲機制的不同而有所影響。本研究將有助於日語助詞之教學與學習方面，藉由數位遊戲的方式學習不但能夠幫助學習者增進助詞之學習成效，也能夠激發學習者之學習興趣，從遊戲中不斷地反覆練習，加深對於助詞的記憶與熟練程度，而達到提升學習成效之目的。此外，本研究也提出運用數位科技學習日語助詞研究進一步發展之建議

。

C最強入門邁向頂尖高手之路王者歸來

為了解決作業系統 自學的問題，作者洪錦魁 這樣論述：

重磅回歸！30 年功力＋30 萬冊累積銷售！   洪錦魁老師 全新著作 ——「C」最強入門邁向頂尖高手之路 —— 王者歸來   　　【C 語言入門到大型專案】✕【大量完整的實例演練】✕【豐富易懂的圖例解析】 　　本著從 C 語言基礎數學及統計觀念說起，融入 AI 與科技新知，作者親自為讀者編列自學 C 語言最完善的主題，以及作者十分淺顯易懂的筆觸、上百個程式實例的鍛鍊、搭配圖解說明每個 C 語言觀念，規劃了最實用的資訊系統實作應用，讀完本著的你一定能夠成為數理、IT 領域、甚至是商業領域中最與眾不同的頂尖高手！   　　【入門 C 語言邁向頂尖高手的精實修煉】

　　❝ 滿載而歸的實戰累積 ❞ 　　◎ 24 個主題 　　◎ 468 個程式實例 　　◎ 436 個重點圖例解說 　　◎ 約 180 個是非題、180 個選擇題、150 個填充題協助觀念複習 　　◎ 193 個實作習題邁向高手之路   　　【本書將教會你……】 　　◎科技新知融入內容 　　◎人工智慧融入內容 　　◎圖解 C 的運作 　　◎C 語言解數學方程式 　　◎基礎統計知識 　　◎計算地球任意兩點的距離 　　◎房貸計算 　　◎電腦影像處理 　　◎認識排序的內涵，與臉書提昇工作效率法 　　◎電腦記憶體位址詳解變數或指標的變

化 　　◎將迴圈應用在計算一個球的自由落體高度與距離 　　◎遞迴函數設計，從掉入無限遞迴的陷阱說起 　　◎費式 (Fibonacci) 數列的產生使用一般設計與遞迴函數設計 　　◎萊布尼茲 (Leibniz) 級數、尼莎卡莎 (Nilakanitha) 級數說明圓周率 　　◎從記憶體位址了解區域變數、全域變數和靜態變數 　　◎最完整解說 C 語言的前端處理器 　　◎徹底認識指標與陣列 　　◎圖說指標與雙重指標 　　◎圖說指標與函數 　　◎將 struct 應用到平面座標系統、時間系統 　　◎將 enum 應用在百貨公司結帳系統、打工薪資計算系統

　　◎檔案與目錄的管理 　　◎字串加密與解密 　　◎C 語言低階應用 – 處理位元運算 　　◎建立專案執行大型程式設計 　　◎說明基礎資料結構 　　◎用堆疊觀念講解遞迴函數呼叫 　　◎邁向 C++ 之路，詳解 C++ 與 C 語言的差異   本書特色   　　C 語言是基礎科學課程，作者撰寫這本書時採用下列原則： 　　★語法內涵與精神★ 　　★用精彩程式實例解說各個主題★ 　　—— 高達【24 個主題】、【468 個 C 實例】、【436 張重點圖例說明】 　　★科學與人工智慧知識融入內容★ 　　★章節習題引導讀者複習與自我練習★

　　—— 透過【是非題】、【選擇題】、【填充題】、【實作題】自我檢測學習成效，打穩基礎！   　　當讀者遵循這步驟學習時， 　　相信你所設計的C語言程式就是一個帶有靈魂與智慧的程式碼了。

應用深度學習建立陶瓷基板瑕疵偵測系統

為了解決作業系統 自學的問題，作者劉緣蓮 這樣論述：

智慧製造已成為各個產業的發展趨勢，隨著產能及品質的需求提高，許多電子製造業使用AOI機台檢測PCB的瑕疵，而在極高良率要求下，導致AOI機台誤判率高，目前業界採取人工複判並將實際為無瑕疵的PCB送回產線，人工複判效率低且有標準不同的問題。本研究目的為以機器視覺與深度學習為基礎，利用ResNeXt、Inception v3分類模型、YOLO v3瑕疵偵測模型不同偵測目標的神經網路來建置瑕疵偵測系統，以提升AOI檢測準確率並輔助人工複判。首先定義圖像的瑕疵與無瑕疵、瑕疵種類，並蒐集AOI輸出的圖像，接著標記圖像瑕疵後進行模型訓練並建構ResNeXt+YOLO v3、Inception v3+YO

LO v3，最後以準確率與誤判率評估模型。結果顯示ResNeXt+YOLO v3的準確率99.2%、誤判率0%，Inception v3+YOLO v3的準確率98.4%、誤判率0.5%，以ResNeXt+YOLO v3的瑕疵偵測效能更優異。利用ResNeXt+YOLO v3建置瑕疵偵測系統，應用至AOI檢測產業的效益為提升檢測準確率、降低誤判率及減少複判人力。