大人們的餐桌‧中華篇：從民初到二十一世紀，22位牽動華人政局的政治人物飲食軼事

任職的公司對面巷弄，有間貌不起眼的便當小店，因為佔有地利之便，午休用餐時刻總是人聲鼎沸。畢竟是做生意，調味下得稍重，滋味著實不差，我一年倒也會光顧幾次，解解饞。但台灣老闆呀，特別是做餐飲的，將本求利下，你要他用啥好材料，那真的是緣木求魚。在非營業時段路過那店門口，那五味雜陳的油耗味，不免擔心自己吃下的是什麼來路不明的餿水油。鋪陳這麼多，是要分享，我部門中有位女同事，她可厲害。那間便當店，看她天天光顧，也不見有任何噁心反胃的徵狀。某天好奇問她，「妳吃不膩？」。她還能目不斜視地回我，「不會，可好吃的。」。當下我就悟出兩個道理，首先，東西好不好吃是見仁見智。其次，我不會向這位同事詢問那裡有美食。

「大人們的餐桌‧中華篇：從民初到二十一世紀，22位牽動華人政局的政治人物飲食軼事」一書，作者妙筆生花地描述歷史上的秘辛典故，讀者們得以窺視政治名人們的飲食偏好，進一步建立對他們個性、思維的粗略印象。書中提及的政界名人，涵蓋民初至今兩岸三地的領袖人物。有推翻滿清王朝的孫中山、退居台灣的兩蔣父子和之後的李登輝等民選總統。建立共產政權的毛澤東、周恩來到今日的習近平。不消說，這些大人物們的運籌帷幄和風雲際會，就足以刻畫出當下台海兩岸對立分治的大格局。

這本「大人們的餐桌‧中華篇」是用一種貼近人性的角度切入，讓身為華人的讀者們戴上一幅「消光鏡片」，除去這些「偉大領袖」身上的神聖光環，看看他們也有七情六慾(食慾)的一面。此外，本書對於兩岸三地國宴大紀事的整理也頗為用心，考證文獻故典附上照片佐證，帶讀者們瞧瞧中國近代史上幾個重要的國家盛宴時刻。

在傳統視君如父的華人文化中，對上位者的敬仰與順從常是過猶不及，將專制政權中的領導者加以聖人化，是相當有效的思想控制手段。然而即便是從小唸過「鯉魚逆流而上」偉人故事的台灣人，歷經十多年直接民主的熏陶後，已然能平心靜氣地笑看政治人物的種種言行舉止。像北歐各國將從政視為一種職業，把政治人物和上班族一視同仁。不再認為某某某會是國家的「救世主」，我相信這是一個民主體制已經完全成熟的表徵。

機器學習開發神器！Google Cloud Platform 雲端開發應用超入門

「程式功能正常是你的責任，效能極佳是你的本事，不會爆掉是你累積的經驗。」- 某電商資深工程師

隨著亞馬遜和谷歌這兩間科技巨擘的強勢推廣，雲端平台不再只是趨勢新聞裡的熱門關鍵字，而是程式工程師觸手可及的工具、選項。今日資訊系統的建置方法，除了「自建」和「外包」之外，還多了一個「雲端開發」。

不論是年歲已久的關聯式資料庫(RDB)、訊息佇列(Queue)到近年來興起的noSQL，雲端業者無所不包地推出對應的雲端服務。更甚者，針對極大流量的網站建置和機器學習等進階的資訊系統難題，業者也能年復一年地推出易學易用的解決方案。一時之間，過去需要長時間培育的系統架構師開始變得無足輕重，藉由雲端業者提出的建議架構範型(Paradigm)，初生之犢的工程師也可以用驚人的效率打造出一個強大的資訊系統，在以往，這是需要擁有多年經驗的工程師才有能力提出的系統洞見。

雲端業者為開發人員，提出了一個又一個先進、新奇且強大的工具、服務，然而「福兮禍所伏」，像吃了大還丹般的功力爆增，卻不是透過一步一腳印地從實作中累積基礎知識，做出來的資訊架構會是處於「知其然而不知其所以然」的情境。照單全收的工程師除了得面對性價比極低的高額系統維運費用之外，當遭遇系統異常和效能瓶頸時，也會手足無措地無法進行障礙排除。雲端平台再強大都只是工具，能客觀、正確地檢視各種方案，深入瞭解各雲端服務的目的、優缺點與限制，依據外在條件評估出最合適的架構方法，想必是未來程式工程師必須增添的專業技能。

「機器學習開發神器！Google Cloud Platform 雲端開發應用超入門」一書，讓讀者們不必辛苦地遍尋官方線上文件，能短時間內學會在GCP(Google Cloud Platform)裡建置網站應用程式的典型做法。從最基本的建立虛擬主機(GCE)，到最流行的微服務(GKE)容器，另外還有能完全免除維運負擔的程式引擎(GAE)。雖然書中描述的三種做法，架構略嫌簡化，尚不能應付真正巨型流量網站的需要，但是目標如果是想瞭解GCP平台的操作與網站開發，它已經為讀者們奠定一個穩固的基礎。

書中在講述微服務(容器)架構的章節，用極為簡短的篇幅加上具體的操作範例，讓我快速地領會容器與虛擬主機的差異所在，光是獲得這點新知和體悟，就不枉費閱讀這本書所花費的時光。

Deep Learning for Computer Vision: Image Classification, Object Detection, and Face Recognition in Python

2019年資通產業最熱門的「Buzzword」肯定是「深度學習」吧。毋庸置疑地藉由深度學習強大的演算能力，讓資訊科技得以提供更令人驚豔的服務，「自駕車」、「人臉辨識」、「智能客服」以及數不清的各項運用正在改變產業生態，也在改變這個世界。

從資料中找出特定模式的「機器學習」（更早之前稱為「資料探勘」或最早的「迴歸分析」），其實由來已久，相信很多老IT人會丈二金剛摸不著頭緒，懷疑是否是「舊瓶裝新酒」的行銷炒作風潮。炒作成份當然有，但「深度學習」確實有著不可忽視的「含金量」。

建基在「類神經網路模型」之上的各種「深度學習」演算法，有別於傳統「機器學習」的建模手法，將「特徵擷取」的過程大幅度地（幾乎是全部）假手由算法決定。此舉雖然造成「最終模型」有無法被事後描述解釋的負作用，卻能達成有效解決許多「人工智慧」的精典課題。這些課題都是無法用人力完整條列出處理邏輯（以及分辨那個特徵最重要），包含了「文字辨識」、「圖像辨識」和「語音辨識」。大部份強調AI的新創公司，也多半以這三項應用為核心訴求。

2019年開始接觸「深度學習」以來，讀過「Deep learning 深度學習必讀：Keras 大神帶你用 Python 實作」一書後，已經掌握初步的實作基礎。但針對「圖像辨識」的應用，尚只懂些「圖像分類」的皮毛，缺少更進階的知識、技術。無獨有偶，公司恰好計劃進行「圖像辨識」的研究，在一連串請教「谷哥大神」的資料探索後，讓我找到了「Deep Learning for Computer Vision」這本電子書。其用簡單、明快的範例與程式碼，帶領讀者們進入「圖像分類」、「物件辨識」和「人臉辨識」等電腦視覺應用領域。經由500頁內容的「潛修」，出關之後對於 「深度學習」在圖像處理的範型已經了然於胸，稱上個「略懂」。

個人在閱讀習慣上一直偏好紙本實體書籍，即便電子書有著輕簿不佔空間的優點，也難以撼動紙本書在我心中的地位。然而面對這本「Deep Learning for Computer Vision」，我也不得不放下我（無謂地?）的堅持。因為它只出純電子書！完全就是「內容是王（Content is King）」的典範，讀者們只能乖乖地拿出信用卡付款，下載後好好地吸收這500頁精髓。