人工智慧：智慧型系統導論 (3版)

相關熱銷的書籍推薦給您

書名：人工智慧：智慧型系統導論(第三版) 作者：李聯旺 出版社：全華 ISBN：9789862800959

機器學習：類神經網路、模糊系統以及基因演算法則 (4版)

相關熱銷的書籍推薦給您

書名：機器學習：類神經網路、模糊系統以及基因演算法則(第四版) 作者：蘇木春、張孝德 出版社：全華 出版日期：2016/05/00 ISBN：9789864632060 內容簡介 ■ 本書優點特色 1.將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。 2.以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 3.每一種理論都儘可能配合書中範例及圖表加以說明。 ■ 內容簡介 本書將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。此外，作者以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 目錄 第1章 類神經網路之簡介 第2章 感知機 第3章 多層感知機 第4章 非監督式類神經網路 第5章 聯想記憶 第6章 增強式學習 第7章 模糊集合 第8章 模糊關係及推論 第9章 模糊系統 第10章 基因演算法則

為你寫的Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力（iThome鐵人賽系列書） (1版)

類似書籍推薦給您

【簡介】 打造高品質Vue Components的實戰設計指南 讓你成為可設計元件的專業人才 掌握Vue Components核心設計思維與實戰技巧 全面提升前端開發的維護性、擴充性與易用性 　　【內容簡介】 　　♚從基礎到進階：掌握元件開發的核心技巧與設計思維 　　♚原子元件設計：打造高可重用、易維護的元件庫 　　♚實戰案例導向：完整拆解從UI到邏輯的設計與實作過程 　　♚豐富技術細節：涵蓋高階開發技巧，全面提升實戰技能 　　本書改編自第16屆iThome鐵人賽Modern Web組冠軍系列文章《為你自己寫Vue Component》。在前端開發的世界裡，Vue Components是連結UI設計與商業邏輯的關鍵橋梁，從畫面呈現、資料綁定到可重用的功能模組，元件不只是程式碼片段，更是專案維護性、擴充性與團隊協作的核心。 　　《為你寫的Vue Components》將帶你從零開始，逐步建立屬於自己的元件設計思維。書中不僅示範如何撰寫高效、可擴充的元件，還深入探討如何實作鍵盤操作與無障礙設計的細節，而SSR應該注意的小訣竅，讓我們設計出來的元件不只自己好用，也為你身邊的各種角色帶來開發與生活上的便利性。 　　無論你是剛接觸Vue的新手，或是想精進架構與設計能力的前端工程師，本書都將是你打造高品質Vue Components的最佳指南。 　　【目標讀者】 　　✪正在學習或重構Vue元件的工程師。 　　✪想要打造UI Library的團隊成員。 　　✪在意高效、可維護性、無障礙與一致性的開發人員。 　　✪對Atomic Design與元件化實戰有興趣的開發人員。 專業推薦 　　本書的書名叫《為你寫的Vue Components》，但我認為它其實也是「為未來的自己」寫的一本書。當你半年後、一年後再回來看專案時，你會很感謝今天有這樣一本書，幫你養成了正確的習慣。─ Kuro Hsu，Vue.js Taiwan社群主辦人 　　程式設計的關鍵從來不是「什麼都自己刻」，而是理解「什麼該借、什麼該寫、什麼該放一邊」。希望你讀完後，能把這套心法內化，從「我會用」到「我會系統化設計」，開始為你自己而寫，讓未來的你感激現在的自己。─ Alex，YouTuber Alex宅幹嘛 　　市面上絕大多數的書籍都在教如何使用工具，卻鮮有介紹如何設計好元件的書籍，《為你寫的Vue Components》正是少數真正聚焦在「設計」這件事上的著作。它不是告訴你怎麼用Vue，而是一步步帶你思考：為什麼這個元件應該這樣寫？─ Anthony Fu，Vue核心團隊成員 　　本書從實際例子出發，對常見元件提供了從用例、主流庫的實現比較，無障礙到實作範例的深入分析，對於在這方面有興趣進階的開發者，是非常有價值的參考。─ 尤雨溪，Vue.js作者 【目錄】 |Chapter 01| 寫在最前面  1.1 UI Library的使用與權衡  1.2 在開始之前，建立最基本的Mindset 1.3 參考資料  |Chapter 02| AtomicLink 2.1 元件分析  2.2 元件實作 2.3 進階功能  2.4 小結  2.5 參考資料 |Chapter 03| AtomicButton  3.1 元件分析 3.2 元件實作  3.3 進階功能  3.4 無障礙  3.5 小結  3.6 參考資料 |Chapter 04| AtomicBreadcrumb  4.1 元件分析  4.2 元件實作  4.3 進階功能  4.4 無障礙  4.5 小結  4.6 參考資料  |Chapter 05| AtomicPagination 5.1 元件分析 5.2 元件實作  5.3 進階功能  5.4 小結  5.5 參考資料  |Chapter 06| AtomicTabs 6.1 元件分析 6.2 元件實作 6.3 進階功能  6.4 無障礙 6.5 小結  6.6 參考資料  |Chapter 07| AtomicPopover 7.1 元件分析  7.2 元件實作  7.3 進階功能  7.4 無障礙 7.5 小結  7.6 參考資料 |Chapter 08| AtomicDropdown 8.1 元件分析 8.2 元件實作 8.3 進階功能  8.4 無障礙 8.5 小結  8.6 參考資料 |Chapter 09| AtomicScrollbar 9.1 元件分析 9.2 元件實作 9.3 進階功能  9.4 無障礙 9.5 小結  9.6 參考資料 |Chapter 10| AtomicAccordion / AtomicCollapse 10.1 元件分析 10.2 元件實作  10.3 無障礙  10.4 小結  10.5 參考資料 |Chapter 11| AtomicAvatar  11.1 元件分析  11.2 元件實作  11.3 進階功能  11.4 小結 11.5 參考資料 |Chapter 12| AtomicBadge  12.1 元件分析  12.2 元件實作 12.3 進階功能  12.4 小結  12.5 參考資料  |Chapter 13| AtomicChip 13.1 元件分析 13.2 元件實作 13.3 進階功能  13.4 小結  13.5 參考資料 |Chapter 14| AtomicDivider 14.1 元件分析 14.2 元件實作 14.3 無障礙  14.4 小結 14.5 參考資料  |Chapter 15| AtomicProgress  15.1 元件分析  15.2 元件實作  15.3 進階功能  15.4 無障礙  15.5 小結 15.6 參考資料  |Chapter 16| AtomicTable 16.1 元件分析 16.2 元件實作 16.3 進階功能 16.4 無障礙 16.5 小結  16.6 參考資料  |Chapter 17| AtomicTooltip 17.1 元件分析 17.2 元件實作 17.3 無障礙 17.4 小結 17.5 參考資料 |Chapter 18| AtomicModal 18.1 元件分析  18.2 元件實作 18.3 元件整合 18.4 小結 18.5 參考資料  |Chapter 19| AtomicDialog  19.1 元件分析 19.2 元件實作 19.3 進階功能  19.4 無障礙  19.5 小結 19.6 參考資料 |Chapter 20| AtomicToast  20.1 元件分析 20.2 元件實作 20.3 進階功能 20.4 無障礙 20.5 小結 20.6 參考資料 |Chapter 21| AtomicFormField 21.1 元件分析 21.2 元件實作 21.3 無障礙 21.4 小結 21.5 參考資料 |Chapter 22| AtomicTextField 22.1 元件分析 22.2 元件實作 22.3 進階功能  22.4 小結 22.5 參考資料  |Chapter 23| AtomicTextarea 23.1 元件分析 23.2 元件實作 23.3 小結  23.4 參考資料  |Chapter 24| AtomicSelect 24.1 元件分析  24.2 元件實作  24.3 進階功能 24.4 無障礙  24.5 小結  24.6 參考資料 |Chapter 25| AtomicCheckbox  25.1 元件分析  25.2 元件實作  25.3 小結 25.4 參考資料  |Chapter 26| AtomicSwitch  26.1 元件分析  26.2 元件實作 26.3 無障礙  26.4 小結  26.5 參考資料 |Chapter 27| AtomicRadio 27.1 元件分析 27.2 元件實作 27.3 小結 27.4 參考資料  |Chapter 28| AtomicRating 28.1 元件分析  28.2 元件實作 28.3 進階功能  28.4 無障礙  28.5 小結  28.6 參考資料 |Chapter 29| 設計SSR友善的元件 29.1 Server Side Rendering需要注意的細節 29.2 小結

R語言學習筆記：從統計入門到AI應用 (1版)

類似書籍推薦給您

【簡介】 一本最實用的R語言實務書！ 依自己的工作情境與學習需求，找到解題的線索與實作的方法。 AI時代來臨，更要學會靈活運用現有的工具，來解決日常實務的問題。這不只是一本介紹統計與程式語言的工具書，更是一部從問題出發、引導思考、強調實作與應用的實務書。本書每個章節都是從生活情境取材，以生動有趣的小故事帶入主題，讀者不僅可以了解統計與資料分析的實用性，也能學習如何搭配R語言將這些問題具體化、可視化、程式化地解決。 本書精彩內容包含：R語言操作到統計分析、資料視覺化、資料採礦分析、文字探勘以及機器學習的廣度與深度。讀者可以依據自身的需求閱讀相關的章節，或者統合問題，綜合本書各方面的主題進行跨領域的資料處理。一起來發覺問題，培養研究與判斷能力，讓數字說故事！ 【目錄】 序 校園情境出場人物簡介 第1 章　統計分析：打開理解資料的第一扇門 1.1 什麼是描述性統計：讓數字說出故事的起點 1.2 相關與迴歸：不是你以為的那種「關係」 1.3 到底差多少才算「有差」：從區間估計到假設檢定 1.4 不只兩組怎麼比：ANOVA 的魔法 1.5 別把分類變項當成數字用：卡方檢定的出場時機 1.6 策略有效嗎：共變數分析的神助手登場 第2 章　統計資料視覺化：讓資料說故事 2.1 類別變數：從長條到比率，讓分類資料更清楚 2.2 連續與混合變數：用圖形掌握變數的分布與關係 2.3 莖葉圖：兼具統計與細節的圖示工具 2.4 雷達圖：一張圖比出學生多面向的輪廓 第3 章　資料視覺化的進階分析 3.1 社會網絡圖：誰和誰最常互動？ 3.2 複選題分析圖示：從勾選項目畫出「關聯地圖」 3.3 互動式圖示：點出資料的關鍵視角 3.4 GIS 地圖圖示：地圖上的統計故事 3.5 GIS 進階圖示：搭配地形圖檔案呈現在地學習 第4 章　資料採礦分析：發覺藏在資料裡的祕密 4.1 監督式學習：讓資料幫你做決定 4.2 非監督式：沒有答案的探索也可以有規律 4.3 異常值分析：發現數據裡的特別人物 第5 章　網路爬蟲與文字探勘：從資料抓取到語意洞察 5.1 網路爬蟲：不用手動複製也能大量擷取資料 5.2 文字探勘起手式：讓文字自己說話 5.3 字詞進階整理：讓關鍵詞說話更清楚 5.4 文字探勘的視覺化：讓關鍵詞圖像化 5.5 結構化資料擷取與視覺化：將數字轉譯為故事 5.6 輿情分析：讀懂文字呈現的情緒 第6 章　文本機器學習：讓電腦看懂人類用詞並做出判斷 6.1 監督式學習：主題辨識 6.2 監督式學習：文本評分 6.3 非監督式學習：讓電腦自己發現主題

法律資料分析：從統計到人工智慧 (1版)

類似書籍推薦給您

【簡介】 　　《法律資料分析：從統計到人工智慧》，這是提供讀者將數據分析方法應用到法律領域的案例研究，特色在於涵蓋了從基礎理論到實踐應用的內容，為法律專業人士和學者提供一個整合與跨領域研究的橋樑。隨著AI時代來臨，本書確實能提供法律學門一種創新的領域。 　　在理論上，作者探討法學／資訊學研究的重點整理與回顧著作，也示範了法律資料──特別是「裁判書」的特點、收集的方法以及對資料的處理方法；在計算實踐方面，本書展示了多種數據分析技術，包括描述性統計分析、文字探勘、自然語言處理、機器學習與人工智慧演算等。每一章節都配有豐富的實例和案例研究，這些實例均來自實際的裁判案件和法律問題，讀者可以通過這些案例學習到如何將數據分析技術應用於具體的法律問題。 　　《法律資料分析：從統計到人工智慧》，不僅是學術性著作，更是實務指南。本書的目標讀者涵蓋了法律學者、法律實務者以及希望將數據分析技術應用到法律領域的資料科學家，通過多層次多案例的展示，將複雜的數據分析技術轉化為易於理解和可操作的指南，為跨領域研究提供了教育與研究資源。 【目錄】 第一章 法學與資料科學的跨領域研究 壹、本書的目的和意義 貳、法律資料分析三部曲 一、電腦能模仿人類做決策 二、電腦能解釋決策 三、電腦能記住大量資訊並發現規律 參、本書的目標讀者 第二章 裁判結果的預測與解釋：決策樹演算法 壹、研究背景 貳、文獻回顧 一、各個裁判中考量因素的次數研究 二、各種因素與親權歸屬結果間的關聯研究 三、歷時性的觀察比較研究 四、問題提起 參、研究方法 一、分析對象的選取 二、編碼（Coding）方式 三、決策樹研究法 肆、研究發現 一、模型正確率 二、模型呈現 三、結果分析與討論 伍、結論與建議 第三章 人工智慧解讀裁判文書：自然語言處理 壹、研究背景 貳、文獻回顧 參、研究設計與架構 肆、研究成果與評估 伍、比較與討論 一、與先行類似研究之比較 二、人工智慧如何「讀懂」裁判 陸、結論 第四章 酒駕犯罪事實估算量刑：文字卷積神經網路 壹、研究背景 貳、文獻回顧 參、研究方法 一、資料來源與資料前處理 二、本研究特化之文字資料前處理 三、卷積神經網路與文本分類 四、研究目的 肆、研究成果 一、資料描述 二、模型成果呈現 伍、多重方法之比較與討論 一、刑期與其他因素的相關性 二、多變項邏輯式迴歸 陸、討論與結論：全自動化人工智慧的法律模型 第五章 人工智慧解釋個案要因：極限梯度提升法 壹、研究背景與文獻回顧 貳、人工智慧與法學研究 一、人工智慧與機器學習簡述 二、人工智慧與法學結合 參、法律資料分析應用於親權酌定相關裁判 一、研究設計 二、建置資料集 三、交叉驗證 肆、研究發現 一、模型成效 二、親權酌定之因素權重 伍、分析與討論 一、母親取得單獨親權的例子 二、父親取得單獨親權的例子 三、父母差距微小的例子 四、小結 陸、結論 第六章 大量裁判文書隱藏規律：文字探勘與毒品流向 壹、研究背景 貳、研究文獻回顧 參、研究方法：法律資料分析 肆、研究結果 一、跨境毒品要素資料集 二、毒品案件相關數量分析 三、跨境毒品犯罪結構關係分析 伍、結論與展望 第七章 非監督學習法資料分析：新住民親權酌定的特徵工程 壹、研究背景 貳、文獻回顧 參、研究設計 一、資料來源 二、研究方法 三、研究步驟 肆、研究發現與討論 一、外籍裁判與雙臺籍裁判之詞彙並無不同 二、外籍裁判詞彙之特徵 伍、結論 一、研究結論 二、延伸討論與研究方法之意義 第八章 轉化非結構性文本資訊：正則表達式與醫療裁判 壹、研究背景：醫療糾紛與醫療裁判資料庫 貳、研究設計 一、自動化特徵抽取 二、正則表達式 參、實驗結果與分析 肆、人工智慧裁判預測的起步與未來展望 第九章 「法律資料分析」的回顧與展望 壹、內容回顧 貳、ChatGPT所帶來的機會與挑戰 參、法律資料分析的展望 參考文獻 一、中文部分 二、英文部分 三、日文部分

AI必須!從做中學貝氏統計 (修訂第2版) (2版)

類似書籍推薦給您

內容簡介 　　修訂第二版的內容與前一版相同，主要是調整方程式的顏色，使之更容易區別。 　　小編評語：『厚達六百多頁的統計學想必硬到不行？NO NO NO！這本書的進行方式實在太有創意了，我不僅一步一步跟著鑽研練習，更從實作中享受到讀懂的樂趣。』 　　貝氏統計因 AI 人工智慧的發展而變得更加炙手可熱，其核心是利用統計推論的方法，在觀察到新資料或證據時，利用科學方法循環更新先前假設的機率，非常適合只能依據僅有且不夠完整的資訊進行假設評估的技術。目前廣泛應用於人工智慧 (機器學習、深度學習)、社會學、生物學、醫學、公共衛生、心理學、物理及科學等領域。 　　正經八百的統計學應該大家都望之卻步吧，本書作者獨樹一格，摒棄枯燥的說教方式，選擇與學習者站在一起，將學習過程中腦海裡經常冒出來的問號，以豐富的圖表、實作輔助並提供許多參考資源的問答方法呈現，如同老師就在你的身邊，看得懂才學得會。對於重要觀念與公式，也會用不同顏色標示 (對了！本書是彩色印刷，灑花)，並且不斷地前後呼應提醒，講七遍做二十一遍，才不會讀到後面又忘了前面，如此才能把貝氏統計的精髓深深烙印在腦中。 　　本書非常適合個人研讀以及想瞭解貝氏統計技術的專業研究人員，亦可做為大學高年級和研究所教學用書。 目錄 第一篇 機率的基本概念 Ch01 先來瞭解一下機率 Ch02 聯合機率、邊際機率、條件機率 第二篇 貝氏定理和貝氏推論 Ch03 貝氏定理 Ch04 貝氏推論 Ch05 作者問題：包含兩個假設的貝氏推論 Ch06 生日問題：包含多個假設的貝氏推論 Ch07 肖像問題：利用聯合概似性進行貝氏推論 第三篇 機率函數 Ch08 機率質量函數 Ch09 機率密度函數 第四篇 貝氏共軛 (Bayesian Conjugate) Ch10 白宮問題：Beta－二項式共軛 Ch11 鯊魚攻擊問題：Gamma－卜瓦松共軛 Ch12 楓糖問題：常態－常態共軛 第五篇 馬可夫鏈蒙地卡羅 (MCMC) Ch13 回顧鯊魚攻擊問題：以 Metropolis 演算法進行 MCMC 分析 Ch14 MCMC 診斷技巧 Ch15 回顧白宮問題：以 Metropolis－Hastings 演算法進行 MCMC 分析 Ch16 回顧楓糖問題：以 Gibbs 採樣進行 MCMC 分析 第六篇 貝是定理的有趣應用 Ch17 生存遊戲問題：以 MCMC 進行簡單線性迴歸 Ch18 繼續討論生存遊戲問題：介紹貝氏模型選擇 Ch19 羅雷司問題：介紹貝氏網路 Ch20 萬事樂問題：介紹決策樹 附錄 A1 Beta－二項式共軛解 A2 Gamma－卜瓦松共軛解 A3 常態－常態共軛解 A4 簡單線性迴歸的共軛解 A5 迴歸資料的標準化