native模型的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

跟著 Docker 隊長，修練 22 天就精通：搭配20小時作者線上教學，無縫接軌 Microservices、Cloud-native、Serverless、DevOps 開發架構

為了解決native模型的問題，作者EltonStoneman 這樣論述：

　　容器化虛擬技術早已成為工程師必備的技能，無論專案開發的規模大小、採用哪個作業系統、整合了多少技術，清一色都會採用Docker作為開發工具，不管是開發人員、維運人員，Docker都是業界必備的謀生工具。雖然 Docker 的常用命令不到 20 個（全部也不過50幾個），小編知道很多前輩會說網路上的參考手冊和範例看一看就夠了，只是單純要把應用程式打包成容器或許如此（本書前四章就講完了），不過Docker早已發展成完整的生態系統，只懂得命令絕對不夠（後面還有十八章）。   　　作者 Elton Stoneman 是經驗豐富的 Docker Captain（Docker 隊長，全球僅 50 多

位的官方種子講師），堪稱是最知名的容器化技術傳教士之一。本書不是坊間常見的命令參考手冊，而是作者在工作上應用容器技術的經驗大全，從最基本 Linux、Windows、Mac 等不同平台的操作差異，到實務上如何融入 Misroservice、Serverless 等開發架構，如何搭配 CI/CD pipeline 滿足 DevOps，或是多容器的管理和負載平衡、應用程式的監控與指標、不停機更新…等，這些工作上一定會遇到的情境，一般課程、教材都不會提，網路資訊也很零碎，只有跟著 Docker 隊長的腳步，精通容器部署、管理與維運，才能無縫接軌手上任何開發專案。   　　業界工程師一定要會！ 　　容

器部署、管理與維運工具完全整合，包括 Swarm、Kubernetes、Jenkins、Gogs、GitHub、Prometheus、Grafana、ElasticSearch、Fluentd、Kibana、Anchore、Redis、Nginx、Traefik…。   　　下班、午休偷偷學，22 天讓你實力開外掛 　　本書適用於任何背景的讀者，不管是開發人員、維運人員，或是您習慣 Mac、Linux和Windows系統，都可以輕鬆學習。各章設計了豐富範例和課後練習題增加實務經驗，每一章節主題明確，並會相互參照、補充，值得您每天犧牲1~2小時的午休或下班時間，只要 22 天就可以精通 Dock

er。   　　搭配專屬線上學習資源 　　本書包含了許多Dockerfile和應用程式範例，可以從作者GitHub和旗標網站上下載取得完整範例檔案和程式碼。作者也特地為本書錄製長達 20 小時的線上教學影片，強烈建議您搭配本書進行學習，相輔相成、效果加倍。reurl.cc/7rOZNd    本書特色   　　● 建構Docker映像檔和容器管理 　　● data volumes、虛擬網路、安全性配置 　　● 使用Docker Compose 串聯、配置多容器應用程式 　　● 使用 Docker Swarm調度、管理、部署分散式應用程式 　　● 建構CI/CD的工作流程 　　● 優化Docke

r image的大小、速度和安全性 　　● 啟用狀態檢查、相依性檢查讓應用程式自我修復錯誤 　　● 整合 Prometheus、Grafana，打造容器監控指標儀表板 　　● 協同Jenkins 打造自動化CI/CD Pipeline 　　● 自動發佈更新、降版還原、自動化修復，打造不停機運作 　　● 透過反向代理、訊息佇列來達成非同步溝通 　　● 整合Elasticsearch、Fluentd、Kibana建構應用程式的日誌模型 　　● 使用線上 Play with Docker 環境模擬多容器的叢集架構 　　● 本書由施威銘研究室監修，書中針對原書進行大量補充，並適當添加註解，幫助讀者更加

理解內容。 　　● 搭配豐富學習資源： 　　→實務案例從做中學，GitHub 範例檔案同步更新 　　→各章節設計有【課後練習】，有效累積實務經驗 　　→搭配20小時專屬線上教學，效果加倍：reurl.cc/7rOZNd 　　→範例 + 旗標 Bonus：www.flag.com.tw/bk/st/F1126

native模型進入發燒排行的影片

應用文字探勘於業配文揭露偵測

為了解決native模型的問題，作者洪御哲 這樣論述：

業配文是在廣告媒體內容中有目的地整合品牌或品牌說服性訊息，以換取贊助商的報酬。在網際網路與行動裝置的普及下，社群媒體快速成長，捧紅了許多「網紅」高影響力者，看上此高度個人化與可控制內容的特性，使廠商將資源投入在這些人身上，以獲取商品的曝光與銷售。但是業配文常常會有假分享真業配的問題，讓消費者認為是自己的真實體驗分享，而非商業贊助，可能誤導消費者進行消費，故本研究目的在於能否建立一個模型找出背後可能是未揭露的業配文章。首先，先搜集痞客邦百大部落客的資料，建立會揭露業配之部落客名冊，再搜集該部落客發表過的所有文章，藉由揭露文字標注業配文與非業配文。然後透過機器學習方法SVM、CNN與Google

所開發的深度語言模型BERT進行訓練與比較，最後以CNN平均得出最高的準確度83.625%，同時，在我們標注的未揭露業配文章資料中，CNN能夠偵測業配文的準確度為90.69%。最後，應用逐層相關傳播LRP解釋CNN模型，觀察哪些常出現業配文文字最可能被預測為業配文，比較模型與人為觀點，並藉此找出業配文的特徵，以提供給消費者進行判斷。

前端Serverless：面向全棧的無服務器架構實戰

為了解決native模型的問題，作者楊凱 這樣論述：

本書以雲原生（Cloud Native）技術為背景，講述了 Serverless 的基本原理與實戰應用。書中首先探討 Serverless 與當前雲計算技術和前端技術的關係，隨後分別從 Serverless 的兩大能力（FaaS 和 BaaS）展開，探討了它們的歷史由來和底層原理，並且結合實際應用場景，有針對性地提供了操作指南。   本書從手動構建一套基於進程的 FaaS 架構開始，之後深入剖析雲計算服務的內核，闡述其背後的原理和思想，從而讓讀者理解下一代軟體架構的本質。   本書主要從前端研發人員的視角介紹 Serverless 的原理及應用。相信無論是希望更多瞭解服務端

技術的前端研發人員，還是已經涉足後端但希望更多瞭解雲原生技術的全棧工程師，或是希望通過 Serverless 提升團隊研發效率的架構師，都會從閱讀本書中獲益良多。

臺灣學習者的母語對韓語韻尾鼻音認知之影響–以臺灣華語鼻音尾合流為中心–

為了解決native模型的問題，作者吳珮禎 這樣論述：

本研究主要探討臺灣華語音節末鼻音合流的語言變異之現象對於臺灣第二外語(韓語)學習者的韓語音節末鼻音/n/, /ŋ/的認知影響。在強調系統性地分析學習者母語與目標語，以解決外語習得中產生之母語干擾問題的對比分析理論中，過去針對華語圈韓語學習者的韓語音節末鼻音/n/, /ŋ/混用問題的研究大多關注於標準中國語與韓語音韻系統比較，而先行研究中也將韓語音節末鼻音/n/, /ŋ/混用問題歸因於華語的音節排列組合之限制等音韻結構差異而造成的相關原因。然而這並未能解釋華語圈學習者在學習韓語的過程中，對於華語與韓語中同時存在的音節/in/, /iŋ/仍出現音節末鼻音/n/, /ŋ/混用現象之原因。因此基於此

等原因，本文將探討母語對其第二外語(韓語)之語言負向遷移相關的其他可能性。希望能適度地彌補先行研究中所未探討之處。著眼於臺灣華語，本研究將探討臺灣韓語學習者韓語音節末鼻音的感知習得是否受母語中音節末鼻音合流的語言變異之現象影響。為了探討兩者的相關性本研究進行了感知實驗及口語實驗。第一個感知實驗為三擇一的音節末鼻音辨識實驗，受試者依照韓語檢定(TOPIK)的通過級數招募了共二十二名臺灣韓語學習者(5個1‧2級通過者/6個3‧4級通過者/11個5‧6級通過者)以及兩名母語為韓語的韓國人參與此實驗。實驗刺激項是根據韓語的音節末鼻音而製成。韓國人對於這個實驗展現了極高的辨識能力。而臺灣韓語學習者則是對

於母語中不存在的韓語音節末鼻音/m/表現相對高的辨識能力；對於母語中有存在的韓語音節末鼻音/ŋ/則是表現較低的的辨識能力。這樣的結果應證了Flege的語言學習模式理論，依據其理論，母語與外語語音系統中「陌生音」可以建立新的語音系統，故容易學習。然而在這個實驗中有觀察到臺灣韓語學習者對於韓語音節末鼻音的感知會隨著結合的韻母不同，而展現不同的辨識能力與學習成長幅度，在臺灣學習者辨識能力最低的鼻音/ŋ/的結果中，母語中不存在的韓語音節/ɨŋ/、/ʌŋ/等，觀察到雖然在初級學習者展現較低的辨識能力，但是到了高級學習者看到有顯著的提高，初級學習者較低的辨識能力歸因於母語音節排列組合之限制，但隨著接觸韓語

的時間增加而有較多經驗使他們能逐漸掌握。反觀母語中存在的韓語音節/iŋ/，雖然初級學習者同樣展現較低的辨識能力，但到了高級學習者仍未見辨識識能力提高。第二個口語實驗探討台灣韓語學習者在口語上的韓語鼻音終聲。受試者與感知實驗受試者為同一批人。此研究結果顯示臺灣學習者對於韓語音節/in/發音準確率最低，此結果與臺灣人母語中音節末鼻音合流相似的表現，依據臺灣華語音節末鼻音合流相關的研究，臺灣人在口語上，當位在齒槽的鼻音/n/在/i/韻母的環境下，有將其發音成/iŋ/的傾向，反之在感知上則會對/iŋ/有較低的辨識能力。總體來說，臺灣韓語學習者在學習韓語音節末鼻音的過程中有受到母語的音節末鼻音合流的影響

，雖然只在特定韻母之環境下，但是可以看到其影響比起母語音節排列組合之限制更大，導致高級學習者也未見顯著成長。這篇研究致力於探討臺灣語者因為母語的音節末鼻音合流而導致了韓語音節末鼻音位置對比流失，藉此提供音變的共時證據。