Page 6 - ePC11110_資訊科技_課本PDF

本書導覽

章首學習引路燈
1-1 系統平台之運作原理
章首附有精美的大圖，提供
系統平台（Computing Platform）一般是指在電腦中能讓軟體運行
的系統環境，典型的系統平台包括硬體設備（Hardware）、作業系統
（Operating System, OS）、應用程式（Application Program）及使用者
該章的學習目標，帶領學生
（User），如圖 1-1.1。
「硬體」主要提供系統基本的運算資源，而「作業系統」則是負責
控制與協調硬體資源的使用，最後再藉由不同的「應用程式」功能，解
決使用者的問題。 逐步認識新章節。

Chapter 01
系統平台 圖 1-1.1 典型的系統平台架構
本章節次 學習目標
1-1 系統平台之運作原理 • 瞭解系統平台之運作原理
1-2 網際網路運作原理 • 認識工作排程演算法
1-3 系統平台之未來發展趨勢 • 認識記憶體資源分配
• 認識分散式系統運作原理
• 認識網際網路運作原理
• 瞭解系統平台未來之發展
2 資訊科技 INFORMATION TECHNOLOGY Chapter 01 系統平台 3

內容條理化，資訊圖表化

精簡課文內容，並以圖表相輔系統化呈現，加深圖文連結性且易於記憶。

1980 年代開始，科學家開始結合統計學、機率學、博弈論等多門理論，希望透過 與大量學習。例如：將 1,000 萬張圖片輸入深度學習神經網路，再由電腦透過數層神經
這些資料能讓電腦自行學習出規律，這便是「機器學習（Machine Learning）」的由來。 網路找出「特徵值」，未來只要我們輸入其他照片，電腦就能夠自動判斷這張照片是貓
以往機器學習都是透過 CPU 進行運算，沒想到採用圖形處理器（Graphics Processing 還是狗了，如圖 1-3.7。
Unit, GPU）進行「深度學習（Deep Learning）」運算的速度遠遠大於 CPU，因此利用
GPU 進行深度學習運算也開始熱門起來。人工智慧的發展歷史，如圖 1-3.5。

圖 1-3.7 運用深度學習技術，未來就能依輸入的照片判斷出最符合特徵的內容
■ 自然語言處理（Natural language processing, NLP）
圖 1-3.5 人工智慧的發展歷史 自然語言處理是用人類可理解且文法正確的方式，擷取文字的涵義與概念，簡單來
說，就是讓電腦擁有理解與運用人類語言的能力，如圖 1-3.8。
圖解說明 1-3-4 人工智慧的主要技術
由於運算速度、演算法與大數據的進步，
人工智慧技術已開始聚焦在「推論與推薦」、
「感知的電腦視覺」、「電腦語音」、「自
全書圖示均為彩色插畫或照 然語言處理」、「移動及控制」和「機器
學習」等六大領域，如圖 1-3.6。

片，藉以強化學生對內容的 ■ 機器學習（Machine Learning）
機器學習有許多種模式，近年最受
矚目的莫過於「深度學習」。深度學習
了解，並快速建立概念，增 的概念是要讓電腦可以自行分析資料，並
找出「特徵值」，就如同人腦的「類神經網
圖 1-3.8 自然語言常見的應用
路」，將神經元分為多層次，進行深層分析 圖 1-3.6 人工智慧主要技術分類
進學習趣味。 32 資訊科技 INFORMATION TECHNOLOGY （參考來源：資策會 MIC） Chapter 01 系統平台 33

iv