無伺服器 技術的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

Java也可以K8s：使用最新Quarkus打造新世代原生微服務

為了解決無伺服器 技術的問題，作者任鋼 這樣論述：

從基礎到進階——Quarkus完整開發大全！ 　　Quarkus是一個來自Red Hat公司的超音速次原子Kubernetes原生Java框架。該框架允許Java開發人員結合容器、微服務和Kubernetes的能力來構建可靠、高性能、快速的雲端原生應用和Serverless應用。 　　本書是一本Quarkus開發大全，涵蓋Quarkus大部分內容，書中共包含50多個案例，共12章，第1章是Quarkus概述，可以從整體上認識Quarkus；第2章是對Quarkus的初探，將使用Quarkus構建一個微服務並開發基礎應用；第3章至第10章是本書的主要部分，將詳細講解如何在Quarkus架

構上進行Web、Data、Message、Security、Reactive、Tolerance、Health、Tracing、Spring整合應用場景的開發和實作；第11章介紹Quarkus在雲端原生應用場景下的實施和部署；第12章是Quarkus Extension，進階開發者在Quarkus的基礎上擴充外部元件。本書適合想在Quarkus獲得更多知識或實現更多新創方式的IT工程師，針對Spring框架已經有經驗的工程師更是如虎添翼。 　　※適合讀者群 　　本書適合對Quarkus感興趣且想在這方面獲得更多知識或實現更多想法的IT從業者。 　　．初級讀者：可以透過本書知道如何使用Qua

rkus進行Web、Data和Message方面的開發，能非常迅速、高效、簡單地架設一個微服務應用系統。 　　．中級讀者：如具有豐富開發經驗的軟體開發工程師等，可以透過本書獲得對Quarkus的全面認識，能建構安全的、整合的、伸縮性和容錯能力強的雲端原生應用。 　　．進階讀者：如具有豐富經驗的架構師和分析師，可以透過本書知道Quarkus的核心特性，能利用這些特性遊刃有餘地建構響應式的、高可靠的、高可用的、維護性強的雲端原生架構系統。 　　．在Spring上已經有經驗累積的工程師：幾乎可以零成本地又掌握一套基於Java語言的雲端原生開發工具。讀者如果有一些工作經驗，曾經用類似的工具（如S

pring等）進行過軟體開發，那麼將能非常快速地掌握Quarkus的使用方法。 本書特色 　　．Java工程師用K8s探索微服務的先驅Quarkus概述 　　．Quarkus中進行Web開發完整專案 　　．資料驅動的Quarkus案例實作 　　．Message系統的案例架設 　　．Security安全考量的微服務專案 　　．Reactive的整合場景 　　．Tolerance在Quarkus的應用場景 　　．Health的企業專案開發 　　．Tracing場景下的微服務應用 　　．Spring整合應用場景 　　．Quarkus在雲端原生實施部署 　　．Quarkus Extension進一

步使用 專業推薦 　　中國紅帽首席架構師 張家駒 　　亞馬遜雲端科技專業顧問服務團隊經理 陳明儀  

無伺服器 技術進入發燒排行的影片

工業物聯網中的模型即服務無服務器邊緣計算框架

為了解決無伺服器 技術的問題，作者方志群 這樣論述：

隨著無處不在的智慧物聯網的興起，邊緣計算及其擴展應用正在幫助企業擁抱並加速向更高效、更具成本效益的未來工廠過渡。這些應用涵蓋了廣泛的工業場景，包括預測性維護、自動化過程控制等。邊緣計算技術在以更低的連接成本和更好的安全實踐實現可靠、不間斷連接的 AIOT 網絡方面發揮著重要作用。在邊緣計算網絡中，通常需要數百甚至數千個互連的邊緣設備。經常使用的網絡協議也不一致，因此難以有效地更新、從屬或管理大量應用程序。此外，AIOT 應用程序通常不需要邊緣設備連續運行，空閒設備會產生多餘的功耗，這對工廠來說是昂貴的。在這項研究中，我們提出了一種模型即服務無服務器邊緣計算 (MASE) 架構，用於運行 AI

驅動的應用程序並在終端設備上呈現結果。人工智慧模型的部署、更新和維護可以快速完成，管理效率極高。作為一個額外的好處，計算節點和終端設備的組合可以為應用程序帶來顯著的成本節約，讓工廠不需要投資額外的硬體成本。使用本研究所提出的MASE架構，可以構建成本更低、管理更好、更有效的邊緣計算架構，用於部署 AIOT 應用程序。

Azure雲端運算實戰 : 使用PaaS服務快速打造交談式聊天機器人(iT邦幫忙鐵人賽系列書)

為了解決無伺服器 技術的問題，作者莊閔期(MickeyChuang) 這樣論述：

本書內容改編自第12屆 iT 邦幫忙鐵人賽，Microsoft Azure 組冠軍系列文章 《白眼狼的30天Azure跳槽計畫》 　　第一本使用 Azure 雲端服務與 TypeScript 語言開發聊天機器人專書，帶讀者從需求出發，靈活使用 Azure 雲服務，設計自己的雲端系統架構解決方案，快速建置聊天機器人。本書旨在讓者具備自學雲端的能力，將來在面對不同應用場景，能使用你擅長的開發工具，選擇適合的雲端服務，靈活使用 Azure 雲端服務設計自己的應用程式。 　　精選主題 　　訊息交換平台 Microsoft Teams、LINE 　　使用 Webhook 將 Web Servic

e 連接至 Microsoft Teams 　　理解 LINE Messaging API 打造聊天機器人 　　無伺服器運算 Azure Functions 　　打造 Serverless API 　　打造事件訂閱 Webhooks 　　使用指令開發、測試、部署函式 　　資料庫服務 Azure Cosmos DB 、Azure Cache for Redis 　　使用 SQL/Core API 搜尋 Cosmos DB 資料 　　開發 RESTful API 存取 Cosmos DB 資料 　　使用 Azure 建立 Redis Cache 緩存資料 　　 　　訊息服務 Azure Ser

vice Bus 　　使用 Queues 佇列傳訊 　　使用發佈/訂閱 Topics 主題傳訊 　　部署 Service Bus Trigger 事件觸發器 　　認知服務 LUIS、Custom Vision 　　使用 LUIS 建立自然語言理解模型 　　使用 Custom Vision 建立影像辨識模型 　　整合認知服務加值聊天機器人 　　適合讀者 　　-有基本程式基礎，想自學使用雲端運算 　　-對 Micorsoft Azure 有興趣的學生、新手工程師 　　-已有雲端經驗但還不熟悉 Micorsoft Azrue 本書特色 　　新手也能輕鬆學 Azure!四大主題(無伺服器運算、

資料庫服務、訊息服務、認知服務)一次滿足，手把手帶你用 TypeScript 實作！ 　　詳細的圖解操作流程，讓你熟悉使用 Azure 雲端平台 　　整合 Azure 與聊天機器人，帶你建置、管理及部署應用程式 　　列舉一個雲端架構，引導你善用 Azure 服務設計屬於自己的解決方案 專業推薦 　　本書涵蓋雲端運算的概念與型態、技術實作、趨勢應用與產品實務，作者以自學累積的知識與實務經驗，結合了現行趨勢應用的聊天機器人，一步步帶你進入雲端世界。無論是對雲服務有興趣者，抑或是新踏入雲世界的你，透過本書將讓你更了解如何善用 Microsoft Azure 設計屬於自己的應用程式! 　　張沛

晴 　　Microsoft One Commercial Partner Marketing Assistant Manager  

以無顯影劑的CT/MRI影像判讀 帕金森氏症分期之網頁平台開發

為了解決無伺服器 技術的問題，作者何佳蓉 這樣論述：

帕金森氏症是種無法停止神經持續退化的疾病，平均在55歲左右發病並盛行率逐年上升，目前透過藥物使患者維持日常活動能力其延緩腦幹的黑質退化。臨床上診斷是利用H&Y臨床量表和帕金森症狀衡量表（UPDRS）做為初步評估後，對已知病患做多巴胺掃描（TRODAT SPECT），先前研究室已初步開發用電腦輔助偵測系統來計算對帕金森氏症患者之分期，探討減少病患對輻射劑量的吸收和取代TRODAT影像對早期的帕金森氏症診斷之可行性。本論文在於整合並強化本研究室初步成果結合為一套以無顯影劑的CT/MRI影像判讀帕金森氏症分期之網頁平台。透過網頁伺服器架構Python Flask框架進行，使平台系統呈現出其介面提供

使用，並以 Microsoft SQL server 進行帕金森氏症資料庫的建立，使用介面將會以網頁來做呈現，並且收集相關問題回報與建議和臨床影像，以擴大資料庫之資訊量。利用電腦輔助偵測系統計算大腦灰質及白質比例與紋狀體容積，透過影像處理技術分析PD初步研究並分期，研究步驟包含：（1）以區域成長法及濾波器，去除雜訊並分割出完整的腦組織；（2）設定閥值，區分灰白質與紋狀體；（3）CT使用區域成長法圈選特定紋狀體，MRI使用主動式輪廓圈選特定紋狀體；（4）藉由特徵之選取計算白質灰質及紋狀體體積；（5）分析紋狀體與灰白質比例與H&Y相關性;（6）分析結果提供醫生作為參考。使用80組病例進行訓練及驗證

。初步結果顯示：第一階段，利用臨界值法找出CT影像中之右、左側紋狀體特定面積比(SARR、SARL)與HY分數之相關性找出HY 0.0~HY 1.0、HY 1.0 ~ HY 2.0、HY 2.0 ~ HY 3.0間的臨界值分別為0.58/0.65、0.41/0.45、0.25/0.3。第二階段藉由混淆矩陣換算，進一步可得到之系統效能在CT影像判讀PD各分期之表現。以SARR/SARL之特徵對HY0.0、HY1.0、HY2.0與HY3.0分期之準確度及Kappa值分別0.85/0.83及0.798/0.766，而靈敏度與特異性則分別為0.875/0.889與0.938/0.935(針對HY0.0

)，0.75/0.636與0.89/0.87 (針對HY1.0)， 0.8/0.8與0.94/0.93(針對HY2.0)，1.0/1.0與1.0/1.0 (針對HY3.0)。其結果顯示針對無顯影劑之CT影像，系統具有PD分期之能力。藉由使用情況、網頁介面、平台穩定性之評估並予以調整，系統可提供客觀的資訊，評估帕金森氏症之嚴重程度。期望藉由提供之量化參數可幫助醫師更快速及準確的對病情判斷，並可作為後續深度學習之基礎。關鍵字：帕金森氏症、影像處理、電腦輔助偵測系統、腦萎縮