推薦系統

推薦系統就是把消費者感興趣的商品/資訊端到他面前。定義很簡單，但要怎麼做、做的對、做的好，就不是三言兩語可以交代的。「推薦系統」一書，如同封面設計上的宣傳語所寫的「推薦系統精典之作」，完全不是口空說白話。

作者Dietmar Jannach上窮碧落下黃泉地檢視並整理有關推薦系統的文獻和報告，有條有理的按照脈絡替讀者介紹推薦系統領域的各項研究重點與演算法概念。不過也就像周星馳的「鹿鼎記」裡陳近南說的「這本只不過是絕世武功的目錄，（一指），那堆才是絕世武功的秘笈。」。書中引經據典介紹的觀念和例子，都是從眾多的文獻資料中所取出，如果要一一檢驗原始資料，我想沒個三、五年是很難辨到的，所以也只能照單全收的相信作者所言不虛。另外也真心覺得Jannach真神人也，這麼多推薦系統研究文獻都吞了下去，真的會飛天呀!

書中由二部份組成，第一部份是「基本概念」，第二部份是「最新進展」。基本概念是包含了各式主流推薦系統的核心演算法，從最出名的「協同過瀘」到「基於內容」、「基於知識」共三大類。再談到如何混合不同演算法的「混合推薦」，最後再帶到評估推薦系統的良莠。中間雖然穿插著令人聞之色變(笑)的數學公式，但配合著作者的詳實說明和貼切例子，也真的能在一頁頁翻閱中，體會到推薦系統理念的微言大義，轉化出一點點新觀點和想法。

最新進展則大量地介紹實務上的案例，依舊是依參考文獻中的資料為題材。接著也針對推薦系統如何整合Web2.0與行動裝置時代提出看法與說明。雖然以機器學習模型的推薦多半基於「協同過瀘」，但文中也舉出了相當多「進化版」模型設計方向。

對於從事推薦系統開發的從業人員來說，這本「推薦系統」應該是無可取代的參考書。從中可以獲得的觀念與啟發，不是一時半刻間可以消化吸收，一而再、再而三的重複翻閱，絕對不會讓你空手而回。

 

《未生》超值典藏套書（全9冊）

說我熱愛閱讀，其實我讀漫畫書和文字書的比例大概是3比1。而看完漫畫後沒寫過讀後心得的原因很簡單，大部份的少年漫畫就像大卡司的好萊塢娛樂片一樣，打打殺殺嘻嘻哈哈，又能有什麼心得。但是這部韓國漫畫「未生」可不是這樣，這是一部大人向的漫畫作品，還得過韓國資訊大賞漫畫部門總統獎(名作耶)。

故事主軸是講述從圍棋界離開，成為職場新鮮人的張克萊在二年的實習生生涯，一步步進步與成長的過程。由於我自身的職涯一直在中小企業中打滾(不是打混XD)，所以初次藉由書中體悟到大型公司的企業文化時，真的有種黑船入侵的文化的震撼。那種重視上下位階級，用字遣詞要視對象用敬語的環境，在韓國和日文兩國只算是社會人的基本常識吧。不過要在台灣企業做那種程度的言行舉止，除了軍中和公家單位，我還想不到那家公司有這種文化

(或許有人可以分享?)

「未生」的目標讀者肯定是針對整天坐在辨公桌前的白領。雖然故事背景是一家超大型的貿易公司，但其中鋪陳的職場現況，絕對會讓人產生即視感，不管你身處的行業別為何。裡面也隱含了作者體悟的職場觀，很多片段能貼切地打中白領勞工的心房。一句句金句如「人們口中所說的公司，其實就是你的主管。當遇到好主管，就是到好公司」、「自己認為的大事，一放到公司的格局來看，都是微不足道的小事，此時才覺得無地自容」、「別把公司當成發揮自己抱負的場域，上班就是完成被交辨的任務，但心頭那種失落感又要如何形容?」真的想配著酒來乾杯。

第一次打開這套書時，完全不能接受非日式漫畫的畫風，所以馬上又丟回書櫃中。直接前些日子打掃房間，閒暇無事就翻來看看。耐著性子看了半本左右，就被書中描寫的大型企業職場生態吸引，跟著主角一起面對未知的考驗。惡意中傷、爭功諉過、派系門爭、謀求私利，都是職場中難免出現的陰暗面。看著張克萊周圍發生的那些故事，又想想自己曾遇過的一些人事物，真的產生反思和感觸。常有人說「人在公門好修行」，其實在私人單位又何嘗不是如此。「未生」值得讓我的書櫃給它留個專屬的位置。

[觀點]以新思維認識職場競爭力

近年來全球普遍有青年低薪的問題，貧富差距也年年惡化。在探討企業為何無法給年青人高薪時，多半歸咎就業者無法提供差異化的職場技能。簡單說就是形容年青人沒有職場「競爭力」。而競爭力的指標又多半用薪資收入表示，月薪10萬就是比月薪5萬好。

在此提供一個更為通用的競爭力指標。世間最公平的事，就是每個人1天只有24小時。公式就是，所得 除 工時 等於 競爭力。企業的月薪制，應該再考量下班後額外付出的時間成本。換言之，月收10萬工時240小時的競爭力，等同於5萬120小時。

今日企業的獲利能力，也是用「吸睛力」來斷定。不論是臉書、手遊或是網紅直播，都是用能占據多少群眾的「時間」來認定價值。個人的競爭力簡化來說，就是自己的一個小時，能爭取到多少時薪。這種思維模式以前都是用在諮詢服務的計價上，像律師和會計師。其實道理可延伸到各行各業，即使是好萊塢巨星日進斗金，也一體適用。

更進一步分析，每個人在非上班的空閒時間，能不能找到付費者願意掏錢「購買」？舉例來說，一位大學教授正常是在大學任教有薪水。如果他學術表現出類拔萃，可能會有企業界樂於花錢請他來做專題講座。對他而言，人生的每個時段都能待價而沽，他是非常有職場競爭力的。但事實上是絕大多數的受薪階級，即使想「出售」額外的空閒時間，也找不到合適的買家。以競爭力來說，其實都是一般般。最來流行的「斜槓青年」可以說是這種概念的延伸。建立起屬於自我的品牌，找到願意為自身時間付費的另一種可能。

人生最真實的貨幣是「時間」。所以別浪費多餘時間在無法轉化為價值的事物上，那等於是揮霍錢財。如果找不到把時間轉換成金錢的方法時。將時間花在美好的事物上吧，像是多陪陪家人、運動、從事自己的興趣。

Hadoop+Spark大數據巨量分析與機器學習整合開發實戰

「Hadoop+Spark大數據巨量分析與機器學習整合開發實戰」一書，算是姐妹作「Python+Spark 2.0+Hadoop機器學習與大數據分析實戰」的前身。就是藉由許多實作的練習，一步步教導讀者學會使用Spark平台進行大數據分析以及機器學習預測。

Hadoop HDFS、Hadoop Map/Reduce等大數據重要觀念也一併收入到書中。不誇張地說，只要好好研習書中介紹的技術並且詳加練習，讀者將在大數據以及機器學習上打下了穩固的基礎。依時序來看以Python 語言為主的「Python+Spark 2.0+Hadoop機器學習與大數據分析實戰」才是續作，也反映出目前業界在機器學習領域中，Python儼然成為非正規的標準語言，有最多人投入研習與實作。

諷刺地是我反倒是先看完「Python+Spark 2.0+Hadoop機器學習與大數據分析實戰」之後，才再看「Hadoop+Spark大數據巨量分析與機器學習整合開發實戰」這本書。主要原因是透過PySpark開發出來的預測系統在執行效能上不甚理想。透過Python轉Py4J最後在Spark上執行中Context Switch，讓程式運算耗掉太多轉換時間，對於建置線上預測系統而言，是一大致命傷。因此只要回過頭來研究如何用Scala語言來開發Spark機器學習，畢竟Scala號稱能比PySpark快上數倍。

對於不在意採用Scala來實作機器學習的人，這本書不遜於Python的那本續作。只是因為此書出版較早，所以重點多在解說Spark RDD，而在Spark Dataframe的章節相對不足。另外開發工具也建議採用IDEA，不要使用書中介紹的Eclipse(Spark plugin)這樣就沒問題了。

哪有工作不委屈，不工作你會更委屈

常看網路文章的人，肯定覺得「哪有工作不委屈，不工作你會更委屈」的內文很眼熟。沒錯!書中相當部份的文章早在網路上廣泛傳閱，加上慫動標題後都成為內容農場裡細睛率極高的引流文章。這也證明了洪雪珍在職場觀察角度上確實引起許多白領階級的共鳴，不論是破題和立論都以她特有的風格呈現。

作者擅長以說故事的手法來描述一個個她想解說的白領職場工作「應然」觀點。具體的英文姓名加上活靈活現的場景加乘下，漸漸地將文字切入洪雪珍想要「指導」的方向。看完一整本書後，有點懷疑書中的人事物會不會只是作者編造出來，方便切入重點的引子。但這並無損作者想要達表的核心觀點，在職場中如何穩健踏實地做出不失分的決擇。

工作不是生活的全部、職場上沒有公平、不斷的推持競爭力才是長久之道。這些職場觀點，其實都是老生常談，書中的內容也不脫這些「主流」觀點。真的要說那裡有別以往的心靈雞湯書藉的部份，就真的是洪雪珍講故事的能力吧。

正格地說，剛出社會的小鮮肉和位處高層的企業老闆，都無法在閱讀「哪有工作不委屈，不工作你會更委屈」中獲得共鳴。這本書大概是屬於一般基層白領和中高階主管，在同溫層中相互處暖的心靈雞湯。身寒時喝點雞湯可以預防感冒，心寒時唸點心靈雞湯倒也是可以振奮精神。放這本書在家裡，職場上遇到狗皮倒灶的鳥事時拿來翻翻，倒也是比看心理醫師便宜。

吃藥前，你必須知道的事：看懂高消費低知識的台灣食藥文化與真相

如果沒有看過「吃藥前，你必須知道的事」，我大概一輩子都會認為藥妝店裡的藥師，就是穿著醫師服賣保健食品的業務員，而街頭巷尾常看到的藥局，則是購買OK蹦、牙膏牙刷等醫療清潔用品的特殊商店。如果你對「原廠藥」,「學名藥」,「處方簽」這些名詞非常陌生，或許能讀讀這本好書。

王惠珀教授用她淺顯簡白的文字，帶領讀者認識藥師在醫療體系中應該扮演的角色。醫師是治病的專家，而藥師是藥物作用的專家，看病吃藥原本應該由兩類專家通力合作，替病人的健康把關。但台灣社會長期以來獨尊醫師，讓藥師角色淪為撿藥包藥的藥劑師，無法擔任病人和藥物之間監督的守門員。讓病人處於潛在的用藥風險中(體質和藥物不合、中藥西藥混著吃、重複服用同藥效的藥物)，也難怪台灣洗腎人口為世界第一。

表層問題肯定是底層結構所造成，醫藥體系無法分家的情況，歸納原因就是利益問題。藥事費佔醫療費用相當大的比重，也佔了健保支出的25%。藥品市場在醫療產業是眾所皆知的大金礦，買藥賣藥之間的價差，更是大型醫院獲利的主要來源。也就形成了醫院不可能放掉賣出藥品的權利，「以藥養醫」策略讓醫療體系得以有穩定收益。

理想的教育形式，理應朝向全人教育，讓受教者能成為一個具有獨立思考並有健全生活智識的公民。然而在台灣填鴨式分數導向的教學下，多數國民大概都只能對某項特定專業有深入瞭解，對其它事務卻是一知半解、人云亦云。像健保的「藥價黑洞」議題，對多數民眾來說就僅止於報章媒體的片面字句，未曾認真探索背面複雜的環節背景。「吃藥前，你必須知道的事」一書，是個非常棒的起點，可奠定讀者對健保議題討論所需要的基礎智識。未來當媒體又出現保健破產的新聞時，或許我們將更能掌握箇中的關鍵點為何。

從書中內文可見，王惠珀教授撰文立書，不僅是想對民眾介紹良好的醫藥文化。有更多部份是以一位藥學專家的角色，苦口婆心地建議社會各界接納其「醫藥分家」、「藥事社區化」的理念。作者曾到衛生署從事藥政事務的規劃與執行，後來因為其對製藥產業的保守態度，不容於執政團隊自行請辭。其人其事或許不能單單僅憑隻字片語妄下定論，但書中所描述的醫藥分家理念，確實是令人非常認同，期待能有達成的一天。

AI經濟的策略思維：善用人工智慧的預測威力，做出最佳商業決策

其實我不太喜歡看所謂的趨勢書，特別是那種封面是某人作做的笑容，書名是「ooo談xxx」形式的大師隨筆。也因此對於2018年興起的AI熱潮，除了工作必須研讀的相關電腦技術書籍外，以財經企管觀點切入的書藉我都沒買。「AI經濟的策略思維」這書，則是同事N推薦給我，在隨手翻翻後。發現書中對於預測技術的講解相常清楚，和之前研究的心得相互呼應，覺得應當值得一探後續節章。

書中將論述切分成「預測」、「決策」、「工具」、「策略」與「社會」五個層面。其中「預測」一章，明確簡潔地歸納了機器學習在預測上的演進與能力。對於機器學習從業人員來說，有著溫故知新的熟悉感。重點是作者認為當AI技術普及且成本下降後，量變將造成質變。AI技術將無處不在地影響著各行各業，不過前提是工作流程的分析與重構，以符合AI思維的方法操作。

「決策」章節更進一步的解說了，當原本由人類負責的「預測」工作讓AI取代時，判斷預測結果是應採取行動的「決策」將更為重要。以經濟學的觀點，可以大量供給的資源價格將下跌。由於預測工具的隨手可得，將降低預測功能的價值。「預測」能力的供應方(不論是人或技術)也難逃量多價跌的宿命。反觀可訂定「價值評估函式」的專業人員將變得炙手可熱。簡言之，當預測能力不再是競爭優勢的項目時，能根據預測結果做出正確的「判斷」並且採取「行動」將更具有獨特價值。

書中後半說了很多策略面的論述，特別是企業經營上如何面對AI技術的興起。對於企業老闆或是高階經理人來說，有很多值得閱讀並反思的課題。縱觀全書，除了若干詞句有點翻譯不到位的小問題外，內容和觀點都是精實有深度的分析AI對企業與社會的影響。甚至有許多立論與說法，都值得反覆思量一讀再讀，感謝同事N善意的推薦~

不過在看完書後，其實我對台灣企業界能否邁向AI經濟的預測是較悲觀的。其實不論是大數據或是後繼的人工智慧，核心思維正是用數字說話的實證精神。而多數台灣企業在經營管理上還是習於由上到下的權威式管理。當數據或AI呈現的結果與企業老闆的決策不同調時，又有多少AI團隊能堅定立場推翻老闆的看法?AI浪潮肯定會對未來的你我造成巨大的影響，但能隨著這波巨浪一躍而起的台灣企業，我想不會太多...