書名: AI 神助攻!程式設計新境界 - GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯 (1版)
作者: Leo Porter, Daniel Zingaro
譯者: 施威銘研究室
版次: 1
ISBN: 9789863127901
出版社: 旗標
出版日期: 2024/04
書籍開數、尺寸: 18開
頁數: 368
內文印刷顏色: 單色
#資訊
#編程與軟體開發
#AI人工智慧與機器學習
#Python
定價: 560
售價: 504
庫存: 庫存: 1
LINE US! 詢問這本書 團購優惠、書籍資訊 等

付款方式: 超商取貨付款 line pay
信用卡 全支付
線上轉帳 Apple pay
物流方式: 超商取貨
宅配
門市自取

詳細資訊

【簡介】 【程式設計新浪潮 . 開發生態大革命】 你還在研讀程式語法手冊?還在網路上找程式碼來修修改改?還要繼續埋首在手刻程式碼的低效循環中掙扎嗎?就是現在,程式設計生態發生了史無前例的變革! GitHub Copilot 是由 GitHub 與 OpenAI 大型語言模型(LLMs)合作開發的 AI 程式設計助手,它從巨量程式碼庫中學會所有的程式設計技巧,將人類過往的程式精華融為一體。只要你學會用正確的方法、下達明確的提示詞、妥善地用自然語言與其溝通,就能發揮它的無窮力量,大幅幫助你提高開發軟體的成效。 本書作者:兩位資訊教育學家 Leo Porter 博士與 Daniel Zingaro 博士為了 AI 程式設計時代的到來,在本書規劃出「函式設計循環」流程,整本書的編排圍繞著這個設計循環所需的技能,一遍遍演練、一步步學會進入 AI 程式設計必備的新技能。幫助你以正確的方式掌握 Python 程式設計(當然,其它程式語言也適用),高效快速解決實務上的任務。 【開發程式的重點:從寫程式轉換為寫提示詞】 與傳統的入門程式設計課程相比,使用 GitHub Copilot 協助寫程式需要學習新的技能,特別是問題分解、提示工程、測試與除錯技巧(如果您對這些技能還不太熟悉也無需擔心,本書都會詳細介紹),這些新技能對於現職的程式設計師來說同樣重要。 在以往傳統的程式設計課程中,學生往往需要將精力灌注在語法的細節上,然而在 AI 時代,程式語法已經有 GitHub Copilot 這位大神在身邊,完全不用你操心,你該學的是如何用自然語言,寫出有意義且 AI 工具能正確理解的提示詞,讓它為你寫出符合預期的程式碼。如果你真的很不會寫提示詞,Copilot 除了能夠反向幫助程式產生提示詞,甚至還可以利用提示模式(prompt patterns)翻轉問答對象,讓 Copilot 主動提問以達成你的目標。 本書特色: ● 精心設計為 AI 工具而生的函式設計循環。 ● 使用與業界接軌的 Visual Studio Code 開發工具。 ● 善用 Copilot Chat、inline Chat 提高生產力好助手。 ● 撰寫提示詞:學會用 AI 看得懂的自然語言溝通。 ● 看懂程式碼:程式由 AI 寫, 但你需要看得懂。 ● 問題分解:用 Top-Down 設計將大問題分解成小任務。 ● 測試案例:設計常見案例與邊界案例確認函式正確。 ● 除錯技巧:當 AI 使不上力的時候要學會自救。 ● 從設計模式轉變為提示模式的初體驗。 【目錄】 目錄: 第 1 章 GitHub Copilot 簡介 1.1 本書用到的技術 1.1.1 GitHub Copilot 就是寫程式的 AI 助手 1.1.2 GitHub Copilot 背後運作方式 1.2 GitHub Copilot 改變寫程式的方式 1.3 GitHub Copilot 能幫我們做什麼其他事情? 1.4 使用 Github Copilot 的風險與挑戰 1.5 技能需求 1.6 AI 程式助手(如 Copilot)帶來的顧慮 第 2 章 GitHub Copilot 入門 2.1 使用 Copilot 必備工具 2.1.1 需要註冊 GitHub 帳號 2.1.2 需要安裝 Python 延伸模組 2.1.3 需要安裝 VS Code 2.2 設定您的開發環境 2.3 在 Visual Studio Code 中使用 Copilot 2.3.1 設定工作資料夾 2.3.2 檢查設置是否能正常運行 2.4 常見的 Copilot 問題 2.5 在 VS Code 中用 Copilot 產生程式碼 2.6 第一個程式任務 2.6.1 Copilot 在資料處理任務中的價值 2.6.2 計算 Aaron Rodgers 在 2019~2022 年的傳球碼數 2.6.3 查出那段期間所有四分衛的表現 2.6.4 將傳球碼數統計資料繪製成圖表 第 3 章 設計函式 3.1 函式(Functions) 3.1.1 函式的組成 3.1.2 使用函式 3.2 函式的好處 3.3 呼叫函式的執行順序與函式的不同角色 3.3.1 瞭解呼叫函式的執行順序 3.3.2 函式的其它角色 3.4 函式的合理任務 3.4.1 好函式的特色 3.4.2 好與不好的葉子函式例子 3.5 使用 Copilot 的函式設計循環 3.6 使用 Copilot 建立函式的例子 3.6.1 計算股票獲利的函式 3.6.2 檢查強密碼的函式 3.6.3 獲取強密碼的函式 3.6.4 拼字遊戲的計分函式 3.6.5 找出分數最高單字的函式 第 4 章 學習閱讀 Python 程式碼 (1) 4.1 為何需要閱讀程式碼 4.2 要求 Copilot 解釋程式碼的意思 4.2.1 用 Copilot Chat 窗格解釋程式碼 4.2.2 從 inline Chat 叫出 GitHub Chat 解釋程式碼 4.2.3 透過格式化文件命令窗解釋程式碼 4.3 Python 語言的 10 大構成要素 4.4 內建函式 4.5 變數(Variables) 4.6 條件語句(Conditionals) 4.6.1 當條件判斷只有兩種可能結果 4.6.2 當條件判斷多於兩種可能結果 4.6.3 每個 if 語句都是獨立的條件判斷 4.7 字串(Strings) 4.7.1 字串的 method 練習 4.7.2 請 Copilot 解釋 method 與使用情境 4.7.3 字串的串接與重複 4.8 串列(Lists) 4.8.1 串列中的元素 4.8.2 串列元素的索引 4.8.3 串列元素切片 4.8.4 用索引更改串列中的值 4.9 Python 前 5 種構成要素整理 第 5 章 學習閱讀 Python 程式碼 (2) 5.1 迴圈(Loops) 5.1.1 for 迴圈 - 讀取字串 5.1.2 for 迴圈 - 讀取串列 5.1.3 for 迴圈 – 搭配索引 5.1.4 while 迴圈 5.2 縮排(Identation) 5.2.1 縮排代表程式區塊 5.2.2 二層縮排 5.2.3 三層縮排 5.2.4 美觀性的縮排 5.2.5 縮排與巢狀迴圈 5.3 字典(Dictionary) 5.3.1 存取字典的內容 5.3.2 用迴圈取得字典的內容 5.4 檔案(Files) 5.4.1 開檔並讀取資料 5.4.2 用迴圈逐列讀取檔案中的資料 5.4.3 用模組簡化處理 CSV 檔案的過程 5.5 模組(Modules) 5.5.1 預設模組可直接載入 – 以 zipfile 模組為例 5.5.2 需要下載並安裝的套件 5.6 Python 後 5 種構成要素整理 第 6 章 測試與提示工程 6.1 程式碼測試的重要性 6.2 黑盒測試與白盒測試 6.2.1 黑盒測試 6.2.2 如何決定測試案例要測什麼? 6.2.3 白盒測試 6.3 如何測試您的程式碼 6.3.1 在 Python 提示符號下進行測試 6.3.2 直接在 Python 檔案中進行測試 6.3.3 用 doctest 模組進行測試 6.4 重新檢視 Copilot 函式設計循環 6.5 測試範例 1 – 安排學生座位 6.5.1 找出一列中最多還可安排幾位新學生 6.5.2 改進提示詞以得到更佳解決方案 6.5.3 測試新的解決方案 6.6 測試範例 2 – 用到外部檔案 6.6.1 準備進行的測試案例 6.6.2 建立函式 6.6.3 對函式進行測試 6.6.4 使用 doctest 容易出現的問題 第 7 章 問題分解 7.1 問題分解的過程 7.2 Top-Down 設計的小例子 7.2.1 用 Top-Down 思考獲取強密碼函式 7.2.2 用 Top-Down 思考找出分數最高單字函式 7.2.3 Top-down 設計可控制複雜性 7.3 作者身份識別任務 7.4 作者身份識別程式的三個階段 7.5 分解處理階段的問題 7.5.1 決定神秘書籍的未知特徵簽名 7.5.2 5 個特徵函式的詳細說明 7.5.3 找出每本已知作者書籍的特徵簽名 7.6 為 Top-Down 設計做個整理 7.7 將規劃的函式用 Copilot 實作出來 7.7.1 clean_word 函式 7.7.2 average_word_length 函式 7.7.3 different_to_total 函式 7.7.4 exactly_once_to_total 函式 7.7.5 split_string 函式 7.7.6 get_sentences 函式 7.7.7 average_sentence_length 函式 7.7.8 get_phrases 函式 7.7.9 average_sentence_complexity 函式 7.7.10 make_signature 函式 7.7.11 get_all_signatures 函式 7.7.12 get_score 函式 7.7.13 lowest_score 函式 7.7.14 process_data 函式 7.7.15 make_guess 函式 7.8 思考重構程式的可能. 第 8 章 除錯 – 使用 Copilot Chat 與debugger 8.1 造成 bugs 的原因 8.2 如何找出 bugs 8.2.1 使用 print 語句來瞭解程式碼行為 8.2.2 用 VS Code 的 debugger 觀察程式行為 8.3 利用 GitHub Copilot Chat 修正程式碼 8.4 將除錯融入工作流程 8.5 將除錯技巧應用於新問題 8.5.1 列出可能出現錯誤的假設 8.5.2 對假設進行除錯 8.6 線上除錯工具 PythonTutor 8.7 降低除錯的挫折感. 第 9 章 製作自動化工具 9.1 程式設計師自製工具的原因 9.2 用 Copilot 開發自動化工具 9.3 自動化工具 1:清理電子郵件多餘符號 9.3.1 與 Copilot 交談取得協助 9.3.2 實際撰寫程式 9.4 自動化工具 2:為數百個 PDF 報告加上封面頁 9.4.1 與 Copilot 交談取得協助 9.4.2 實際撰寫程式 9.4.3 更新函式開發循環 9.5 自動化工具 3:合併圖片庫中內容不重複的檔案 9.5.1 與 Copilot 交談取得協助 9.5.2 為函式補上 docstring 第 10 章 遊戲設計 10.1 遊戲程式的兩個主要功能 10.2 為遊戲加入隨機性 10.3 遊戲 1:猜數字遊戲(Bulls and Cows) 10.3.1 遊戲玩法 10.3.2 Top-Down 設計 10.3.3 函式的參數與傳回值資料型別 10.3.4 實現遊戲的函式 10.3.5 為猜數字遊戲加上圖形介面 10.4 遊戲 2:雙人骰子遊戲(Bogart) 10.4.1 遊戲玩法 10.4.2 Top-Down 設計 10.4.3 實現遊戲的函式 第 11 章 未來的方向 11.1 從設計模式到提示模式 11.2 翻轉互動模式 - Flipped interaction pattern 11.3 角色模式 - Persona pattern 11.4 AI 工具的限制和未來方向 11.4.1 Copilot 目前面臨的困難 11.4.2 程式語言會被自然語言取代嗎? 11.4.3 一個令人期盼的未來

為您推薦

行銷管理:理論解析與實務應用(第九版) (9版)

行銷管理:理論解析與實務應用(第九版) (9版)

其他會員也一起購買

【簡介】 本書為需要豐富實用的行銷學理、想親近企業實務、重視思考與寬闊視野的讀者而寫,本版在增廣讀者視野、強化學習動機方面,更是達到新的境界。特色如下: .適量的學理+流暢的表達+清晰的排版=有效掌握行銷知識 秉持「避免讀者被層出不窮、與實務脫節的行銷觀念疲勞轟炸而喪失閱讀興趣」的一貫原則下,本版以精簡有力、清晰流暢、圖像式的表達及層次分明的排版,幫助讀者深入掌握行銷。而邊欄仍以英文提示重點,使讀者據以加強行銷英文詞彙。 .專欄+方塊+實例=先紮根在地而後延伸視野 章首專欄「台灣視野」介紹台灣業界的發展與創新;「全球實況」方塊讓讀者見識國外企業的經典作為及全球行銷發展趨勢;「Digi-marketing」方塊串接數位時代資訊之運作,讓行銷學習與時俱進;內文實例展現台灣經典或知名的行銷事件。凡此皆有助讀者紮根在地並延伸視野。 .影音短片+實務照片=有趣、深刻的學習 各篇篇末的「曾的行銷」短片,憑手機掃描QRCode即可觀看。將「曾式教學風格」帶進短片中,從短片中,讀者就可見識到在一問一答之間,思考如何不斷被刺激而有所進展。本書近兩百張清晰美觀、具視覺張力、具有學理或實務意義、刺激讀者想像的照片,將使讀者的學習將更有趣、深刻。 .YY Blog專欄+提供提示的問答題=巧妙、另類的思考 本版保留深受好評的YYBlog專欄,利用逆向思考、水平思考、尋找特例等方法,以時而輕鬆、時而尖銳的筆調顛覆或挑戰課文內容,使讀者「看到另一種觀點」。部分進階思考題所提供之「動腦提示」,更足以引導、訓練讀者的思考力。 .豐富實用的輔助教材 本書提供教師中英文版本之互動式教學投影片、行銷幽默小品、與行銷相關之電影賞析、教學心得文章、各式考題等,有效促進教學效率與效果。 【目錄】 第一篇 鳥瞰行銷管理 第 1 章 瞭解行銷管理的本質 .台灣視野:出國邊學邊玩,是一門好生意 .全球實況:新加坡搶到東南亞獨家泰勒絲演唱會 .全球實況:日本LOVOT機器人,要讓你更幸福 .全球實況:以自己的國家為榮,加拿大鵝從多倫多走向世界 .Digi-marketing:數位行銷與傳統行銷有何差異? .YY Blog:有時候是不得已 第 2 章 重視價值創造與顧客關係 .台灣視野:黃色小鴨讓高雄變得更好玩 .全球實況:機器警犬遏阻犯罪,卻也帶來監控恐懼 .全球實況:StickK,幫你達成目標 .全球實況:小紅書,中國年輕人必備寶典 .Digi-marketing:應用大數據創造顧客價值,建立顧客關係 .YY Blog:「體貼」的企業,離我遠一點 第 3 章 制訂策略規劃與行銷策略 .台灣視野:裕隆與LINE合作掌握移動商機 .全球實況:大師線上出馬,指導上進的創作者 .全球實況:蔦屋書店走入消費者的各個生活層面 .YY Blog:另類BCG:Beauty Clothing Grading 曾的行銷:韓國品牌崛起,給我們什麼啟發? 第二篇 洞察行銷資訊與環境趨勢 第 4 章 執行行銷研究 .台灣視野:台灣網民是YouTube的重度支持者 .全球實況:在網路上用「假門」測試市場潛力 .全球實況:日本企業偏好在現場深入挖掘資訊 .Digi-marketing:如何在線上獲取市場情報? .YY Blog:同情、貪心、愚弄 第 5 章 透視行銷環境 .台灣視野:野外生活的幸福蔓延中 .全球實況:小心!別踩到「辱華」紅線 .全球實況:印度政府向全球推廣瑜珈軟實力 .全球實況:K-POP狂潮席捲全球 .Digi-marketing:善用數位生態系,建立價值傳遞網 .YY Blog:浪的遐想 第 6 章 維護行銷道德 .台灣視野:蘇丹紅令人聞辣色變 .全球實況:糖,成了全球公敵 .全球實況:資安與國安疑慮揮之不去,多國禁用抖音 .Digi-marketing:企業如何面對數位隱私? .YY Blog:喝咖啡時,要摸一摸良心 曾的行銷:「走,到戶外去!」環境在變,行銷人該怎麼面對? 第三篇 掌握市場機會 第 7 章 分析消費者行為 .台灣視野:數位有聲書,商機蓄勢待發 .全球實況:情緒AI,懂得讀心並提供貼心服務 .全球實況:ROOT透過AI向糟糕駕駛人說「不」 .全球實況:義大利人向麥當勞說不 .Digi-marketing:掌握虛擬社群,洞察消費者 .YY Blog:被囚禁的靈魂 第 8 章 分析組織購買行為 .台灣視野:和大,知名車廠非要不可的夥伴! .全球實況:組織市場內的服務,琳瑯滿目 .全球實況:打掃太空垃圾,將成為龐大商機 .YY Blog:被界定的選擇 第 9 章 分析競爭者與發展競爭策略 .台灣視野:家樂福的影響力概念店震撼市場 .全球實況:SHEIN成為「超快時尚」霸主 .全球實況:泰國「小老闆」,海苔賣得嚇嚇叫 .YY Blog:競爭越激烈,消費者越高興? 第10章 發展市場區隔、目標市場與定位 .台灣視野:台清交?不!是台青蕉 .全球實況:有了APP Annie,更能掌握APP相關的市場動態 .全球實況:芭比娃娃不再是金髮、高挑、細腰 .全球實況:Muzmatch貼近信仰與文化,配對想婚的穆斯林 .Digi-marketing:受眾分群,精準行銷 .YY Blog:沒原則 曾的行銷:「浪浪別哭」到底是什麼? 第四篇 提升產品價值 第11章 管理產品與推出新產品 .台灣視野:訊連科技追上AI浪潮,收穫豐碩 .全球實況:用區塊鏈溯源,讓消費者安心 .全球實況:15%法則讓3M成為創新企業的標竿 .全球實況:比亞迪超越特斯拉,稱霸全球 .Digi-marketing:用數據驅動商品研發 .YY Blog:人生與PLC 第12章 經營品牌 .台灣視野:奇軒以獨特風格成為台灣首位千萬YTR .全球實況:日本擁有全球最多的老字號 .全球實況:Marou巧克力,從越南出發,聞名全球 .全球實況:泰國設計師親近生活,以美學發展品牌 .Digi-marketing:數位時代下,人性化是品牌經營的王道 .YY Blog:無牌心更廣? 第13章 發展服務與體驗行銷 .台灣視野:浪浪別哭,讓愛不流浪! .全球實況:Stitch Fix利用數據幫你治裝 .全球實況:跟著「鳥人」與野雁飛翔在天際 .全球實況:到原宿「時尚生態區」體驗另類與前衛 .Digi-marketing:共享,催化服務創新 .YY Blog:皮笑肉不笑 第14章 制訂價格 .台灣視野:台灣國旅房價貴得離譜? .全球實況:市價資訊平台Esoko,讓百萬非洲小農受惠 .全球實況:沒想到世界最頂級的茶品牌來自…… .全球實況:IKEA以簡單平價理念打江山 .Digi-marketing:浮動,數位時代的定價特性 .YY Blog:只為了炫耀? 曾的行銷:「嗨!Zenbo!」教了我們什麼? 第五篇 活絡產品流通 第15章 建設行銷通路 .台灣視野:路易莎擴充速度驚人 .全球實況:製冷晶片有效減少食品浪費 .全球實況:日本自動販賣機花招百出 .全球實況:無人機送貨,已不是科幻小說情節 .Digi-marketing:透過虛實整合(O2O)擴大通路效益 .YY Blog:哪個比較重要? 第16章 管理零售、批發與物流 .台灣視野:Digital City以明亮時尚吸引年輕市場 .全球實況:人潮密集處開始出現虛擬超市 .全球實況:Starship送貨機器人,掀起零售與運送服務革命 .全球實況:與印度百年職業合作,肯德基餐盒方便送 .YY Blog:精心設計的陷阱 曾的行銷:加油站居然可以大賣洗衣精、洗碗精? 第六篇 展現產品價值 第17章 發展整合行銷溝通 .台灣視野:GIANT 50週年,向社會承諾更重大的責任 .全球實況:生成式AI廣告將永遠改變廣告的傑作 .全球實況:透過創意溝通,小說也能募資到台幣十幾億 .全球實況:可口可樂絕佳創意行銷,打破隔閡不尷尬 .Digi-marketing:整合虛擬工具,網羅目標市場 .YY Blog:推廣沒好處 第18章 管理大眾溝通 .台灣視野:慶祝情人節,全聯小編創意爆表 .全球實況:泰國廣告,廣告界驚嘆號 .全球實況:廣告巧妙置入網路遊戲中 .全球實況:街頭任意門,讓你暢遊歐洲 .Digi-marketing:數位科技加持下的溝通 .YY Blog:孤獨者的嫉妒 第19章 管理客製化與互動式溝通 .台灣視野:阿波為長庚醫院提供智能客服 .全球實況:馬來西亞直銷人員比例冠全球 .全球實況:AI客服也會惹人怨 .Digi-marketing:虛擬宣傳與實際活動:線上線下的整合 .YY Blog:有一點假 曾的行銷:踢行李箱,為我們踢出什麼推廣的秘訣? 第七篇 落實行銷理想 第20章 執行與控制行銷策略 .台灣視野:和泰擦亮顧客滿意度招牌 .全球實況:透視人性的矽谷傳奇導師 .全球實況:掌握對的原則與策動力,才能發揮行銷領導力 .YY Blog:你如果不……

原價: 800 售價: 744 現省: 56元
立即查看
計算機概論-AI與科技的共舞 (19版)

計算機概論-AI與科技的共舞 (19版)

其他會員也一起購買

【簡介】 本書特色 本書的撰述對象,主要以理工學院的學生為對象,特別注重「資訊工程」基礎概念的介紹。特色包括: 1.作者具多年任教「計算機概論」課程經驗,並曾撰寫多本電腦暢銷書籍,實戰經驗豐富。 2.每章皆有「章前導讀」,可快速掌握該章重點。 3.深入淺出地介紹硬體及軟體的概念,掌握計算機的發展趨勢,取材詳盡,極具參考價值。 4.資安議題越趨重要,「網路安全」一章對於對稱式及非對稱式公開金鑰、SHA雜湊函數、數位簽章、區塊鏈、比特幣、後量子密碼學等議題精準論述,高於坊間解說的水平。 5.專有名詞皆中英對照,符合雙語趨勢,奠定自學基礎。 6.「IT專家」從生平事蹟與趣味小故事,認識重要的資訊科技專家。 7.「資訊專欄」以輕鬆的筆調對於各種資訊趨勢提出見解,補充資訊新知,讓學習變得更加有趣。 內容簡介 本書是針對理工學院和管理學院的大專生以及有志自修資訊工程或資訊管理相關領域的讀者而撰寫。特別著重介紹「資訊工程」的基礎概念,希望讓讀者對計算機各領域的進展有概括性的理解。為了提高可讀性,會加入一些有趣的題材,如國際資訊界名人軼事和資訊概念背後的故事。 本書共分十六章,從計算機發展的沿革談起,然後討論計算機如何表示數位化的資料,以及當代計算機的基本組織。接著介紹作業系統,讓讀者對電腦的作業流程有更進一步的認識。其後帶領讀者認識網際網路,並理解其運作原理與網路安全。為了建立讀者的計算機軟體設計與分析能力,以專章介紹程式語言、資料結構、演算法、軟體工程及資料庫,希望讀者能掌握軟體設計的要訣。最後討論日益蓬勃的人工智慧、電子商務及其他資訊應用課題,使讀者對整個資訊工程領域有通盤性的認識。 透過本書各章節的介紹,讀者能夠對資訊工程領域有更廣泛深入的認識,並了解計算機在現代社會的重要性和應用。本書的內容和範例讓讀者不僅有抽象性的概念,同時也能有實作的體會,從而提高對計算機科學的理解和應用能力。 【目錄】 CHAPTER 1 計算機簡介  1-1 計算機科學大事記  1-2 當代計算機的通用架構 CHAPTER 2 數位資料表示法  2-1 資料型態  2-2 二進位表示法  2-3 各種進位表示法的轉換  2-4 整數表示法  2-5 浮點數表示法  2-6 ASCII及Unicode CHAPTER 3 計算機組織  3-1 中央處理器  3-2 主記憶體  3-3 執行程式  3-4 匯流排及介面  3-5 輸出入周邊設備  3-6 儲存裝置 CHAPTER 4 作業系統  4-1 作業系統簡介  4-2 各類作業系統  4-3 CPU排班  4-4 記憶體管理  4-5 檔案系統  4-6 熱門作業系統介紹  4-7 行動裝置作業系統 CHAPTER 5 電腦網路  5-1 電腦網路的用途  5-2 電腦網路的架構  5-3 傳輸媒介  5-4 OSI與TCP/IP模型  5-5 常見的網路設備  5-6 電信網路  5-7 無線網路 CHAPTER 6 網際網路  6-1 網際網路  6-2 資料連結層  6-3 網路層  6-4 傳輸層  6-5 應用層  6-6 網際網路的基本設定和除錯方式  6-7 網路模擬 CHAPTER 7 網路應用  7-1 電子郵件  7-2 電子佈告欄  7-3 全球資訊網運作原理  7-4 WWW相關運用  7-5 網頁製作 CHAPTER 8 網路安全  8-1 資訊安全的基本原則  8-2 資料機密性  8-3 資料完整性  8-4 系統可用性  8-5 網路攻擊  8-6 網路防護  8-7 區塊鏈  8-8 後量子密碼學  8-9 資訊倫理 CHAPTER 9 程式語言  9-1 程式語言發展史  9-2 資料型態  9-3 程式指令  9-4 程序定義和使用 CHAPTER 10 資料結構  10-1 陣列  10-2 鏈結串列  10-3 堆疊和佇列  10-4 樹狀結構 CHAPTER 11 演算法  11-1 最大數及最小數找法  11-2 排序  11-3 二元搜尋法  11-4 動態規劃技巧  11-5 計算難題 CHAPTER 12 軟體工程  12-1 寫程式  12-2 軟體開發生命週期  12-3 軟體品質認證  12-4 UML CHAPTER 13 資料庫  13-1 資料庫管理系統簡介  13-2 關聯式資料模式和查詢語言  13-3 實體關係模式和正規化  13-4 資料庫與大數據  13-5 資料探勘  13-6 XML簡介 CHAPTER14 人工智慧  14-1 人工智慧的沿革  14-2 機器學習和深度學習  14-3 電腦視覺及圖像識別  14-4 感測網路、物聯網及智慧聯網 CHAPTER15 電子商務  15-1 電子商務的特性  15-2 電子商務的種類  15-3 電子商務交易安全  15-4 電子商務交易付費機制  15-5 電子商務的省思與展望 CHAPTER16 進階資訊理論及應用課題  16-1 雲端運算  16-2 生物資訊  16-3 多媒體  16-4 資料壓縮  16-5 計算理論 CHA 常見電腦專有名詞縮寫及中英對照一覽表 CHB 數位邏輯設計相關網站 CHC 索引表 學後評量

原價: 660 售價: 581 現省: 79元
立即查看
電腦網路概論 (11版)

電腦網路概論 (11版)

其他會員也一起購買

本書特色 作者從事寬頻研究、教學,累積多年的實務經驗,提供從事資訊網路人員對TCP/IP清晰正確的觀念,透徹了解電腦網路的各種基本原理,並能動手實證,厚植網路基本實力。 ◆內容最豐富:從電腦網路概念的介紹到實際架設實作,讓新手變高手。 ◆實驗最精彩:作者以實際操作的數據,介紹驗證各種協定的網路架設,以最科學的實證引領讀者動手架構所需的網路。 內容簡介 本書介紹當今電腦網路的基本原理及發展現況,為了符合學習需求,內容力求簡單、清晰、容易理解,更新資訊,如:5G網路、WiFi 6 (802.11ax)、物聯網、雲端計算、網路作業系統、網路程式、SDN網路、數位傳輸與類比傳輸、網路的分層架構、乙太網路、MPLS封包交換等議題。 這一版對於範例與章末習題大幅度更新,特別著重電腦網路應用實務以及搭配Wireshark封包的解析,希望能讓讀者對電腦網路的技術不會過於抽象,對電腦網路基礎建立清晰的概念與紮實的實力,讓學習者在未來更進一步了解到整個電腦網路的技術,更容易上手。 作者曾在中華電信從事寬頻網路研究及教學,累積多年的實務經驗,其所累積的實力具體呈現於本書,可帶給資訊網路人員對TCP/IP網路有一清晰的觀念。以Wireshark軟體實作各種封包分析,讓初進此資訊領域的人員能更清楚其操作原理,是讀者不可或缺的網路參考書籍。 目錄 【本書第17章、第18章之內容,請於線上下載】 Chapter 01 網路基本概念  1-1 網際網路發展的演進  1-2 何謂網際網路  1-3 網路類型  1-4 網路拓樸  1-5 網路應用程式架構  1-6 網路程式如何進行  1-7 雲端運算(Cloud Computing)  1-8 為何要SDN網路 Chapter 02 資料通訊基礎  2-1 資料通訊系統的組成  2-2 類比資料與數位資料  2-3 類比訊號  2-4 數位訊號  2-5 數位傳輸與類比傳輸  2-6 傳輸模式  2-7 多工技術  2-8 基頻傳輸與寬頻傳輸  2-9 數位傳輸通道  2-10 錯誤偵測 Chapter 03 OSI模型  3-1 網路的分層架構  3-2 開放系統互連(OSI)參考模型  3-3 網際網路協定堆疊 Chapter 04 網路傳輸媒介與設備  4-1 有線傳輸的媒介  4-2 網路傳輸設備 Chapter 05 最主流的區域網路乙太網路  5-1 區域網路簡介  5-2 區域網路相關標準  5-3 10Mbps乙太網路(IEEE 802.3)  5-4 CSMA/CD原理  5-5 100Mbps乙太網路(IEEE 802.3u)  5-6 1000Mbps乙太網路  5-7 10 Gigabit乙太網路的類型  5-8 架設乙太網路  5-9 虛擬區域網路(VLAN) Chapter 06 廣域網路  6-1 簡介  6-2 交換型態  6-3 傳統的數位階層架構  6-4 同步數位傳輸  6-5 ATM網路技術簡介  6-6 MPLS 封包交換的特性 Chapter 07 無線網路技術  7-1 無線網路簡介  7-2 紅外線  7-3 雷射  7-4 無線電波  7-5 展頻基本技術  7-6 802.11的網路架構  7-7 802.11 b/g/a  7-8 802.11n/802.11ac/802.11ad /802.11ax  7-9 USB wireless 802.11n適配器的應用實例  7-10 IEEE 802.11訊框  7-11 藍牙(Bluetooth)標準介紹與應用  7-12 ZigBee 概述  7-13 行動通訊系統  7-14 WiMAX與4G和5G  7-15 RFID  7-16 近場通訊(NFC)  7-17 物聯網基本概念  7-18 5G應用概述 Chapter 08 IP協定  8-1 IP簡介  8-2 網路遮罩(Net Mask)  8-3 IP設定規則  8-4 特殊用途之IP位址  8-5 子網路遮罩  8-6 無等級的IP位址  8-7 NAT簡介  8-8 IP封包格式  8-9 IP封包的擷取分析  8-10 IP路由  8-11 IPv6簡介  8-12 IP Spoofing  8-13 IPv6 安全性 Chapter 09 ARP/RARP/ICMP協定  9-1 ARP操作原理  9-2 ARcache(快取)  9-3 RARP操作原理  9-4 ARP/RARP封包格式  9-5 ARP工具程式  9-6 ARP封包的擷取分析  9-7 ICMP簡介  9-8 ICMP訊息格式  9-9 ICMP工具程式測試  9-10 ICMP封包的擷取分析 Chapter 10 TCP/UDP協定  10-1 TCP/UDP簡介  10-2 連接埠編號  10-3 netstat命令用法  10-4 行程通訊  10-5 Socket通訊概念  10-6 多工/解多工簡介  10-7 採用TCP或UD  10-8 UDP標頭格式  10-9 UDP封包的擷取分析  10-10 TCP封包格式  10-11 TCP連線建立  10-12 TCP連線結束  10-13 TCP連線封包的擷取分析 Chapter 11 DNS協定  11-1 DNS簡介  11-2 DNS的架構  11-3 DNS伺服器的種類  11-4 階層且分散式的資料庫  11-5 DNS名稱的查詢  11-6 遞迴查詢與循環查詢  11-7 DNS資源記錄  11-8 DNS客戶端的驗證  11-9 DNS的封包格式  11-10 基礎DNS封包的擷取分析 Chapter 12 DHCP協定  12-1 DHCP簡介  12-2 DHCP工作原理  12-3 DHCP封包格式  12-4 DHCP更新租約  12-5 DHCP提前終止租約  12-6 DHCP封包擷取的分析 Chapter 13 FTP協定  13-1 FTP簡介  13-2 FTP擷取封包的分析 Chapter 14 HTTP協定  14-1 WWW簡介  14-2 HTTP協定  14-3 Web Browser與Web Server之間的溝通  14-4 HTTP訊息架構  14-5 HTTP連線範例  14-6 HTTP客戶端與HTTP伺服器連線實例  14-7 HTTP擷取封包的分析  14-8 Cookie簡介  14-9 Java Applet/ActiveX/ActiveX Scripting  14-10 HTTPS (SSL/TLS) Chapter 15 SMTP協定與POP3協定  15-1 SMTP協定與POP3協定簡介  15-2 E-mail送收概念  15-3 SMTP操作方式  15-4 電子郵件的架構  15-5 SMTP命令操作  15-6 郵件訊息格式  15-7 POP3命令操作  15-8 IMAP Chapter 16 網路安全  16-1 資訊網路安全簡介  16-2 資料加密與解密  16-3 數位簽章  16-4 數位信封  16-5 數位憑證  16-6 防火牆  16-7 IPSec簡介  16-8 IPSec AH協定  16-9 ESP協定 Chapter 17 PPP協定【電子書】  17-1 PPP簡介  17-2 PPP連線程序  17-3 PPPoE封包的格式  17-4 PPP的封包格式  17-5 LCP封包  17-6 NCP封包  17-7 CCP封包  17-8 PPP封包擷取的分析  17-9 PAP協定  17-10 CHAP協定 Chapter 18 網路管理【電子書】  18-1 網路管理簡介  18-2 網管架構  18-3 SNMP架構  18-4 SNMP版本  18-5 SNMP命令運作 附錄A ASCII表 附錄B 8B/6T 編碼表

原價: 590 售價: 519 現省: 71元
立即查看
Python自學聖經(第三版):從程式素人到開發強者的技術、實戰與AI應用大全(附影音/範例程式) (3版)

Python自學聖經(第三版):從程式素人到開發強者的技術、實戰與AI應用大全(附影音/範例程式) (3版)

其他會員也一起購買

【簡介】 集Python程式技術大成,新增AI應用,強大內容全面再進化~ 【Python系列書在台累計銷量近12萬冊】 國內眾多讀者與程式人選書第一指名,學業界指定Python講師、 榮登暢銷榜最多Python圖書的作者團隊代表作 八大領域、39個主題、上百種模組套件、近1,200個範例, 涵蓋語法入門,橫跨各大熱門技術、軟硬整合與AI實戰應用。 一本帶你入行!系統化分章、大量圖表解說, 全面跨入Python程式開發殿堂! 給需要本書的人: ★不知道如何開始才能自學好Python的人 ★有接觸過但又不想打掉重練的人 ★老是寫不好Python程式的人 ★想運用Python開發專案的人 掌握系統化的學習途徑 才能真正駕馭Python Python廣泛應用於大數據、網路爬蟲、人工智慧、機器學習、物聯網等熱門領域,是一套直譯式、物件導向,功能強大的程式語言。具備簡潔的語法,擁有許多模組套件,跨平台且容易擴充,所以非常適合初學者學習,但沒有系統性與結構化的學習,只能一知半解,而胡亂網路爬文,也只會迷失在資訊叢林。 本書從Python自學角度出發,系統化的分章學習,全面涵蓋語法、模組套件、主題應用、軟硬整合,規劃出最好的學習曲線,縮短自學途徑,排除學習障礙,真正從初學入門到業界活用! ■完整詳實的程式入門: 從開發環境建置開始,由淺入深、循序漸進、完整且詳細的解說變數、運算、判斷式、迴圈、串列、元組、字典、集合、函式與模組等語法觀念與實作。 ■晉級專業的進階心法: 包括物件導向開發、例外處理、正規表達式、檔案管理、圖形使用者介面設計等內容。 ■應用廣泛的資料科學: 涵蓋網路爬蟲、數據資料儲存與讀取、資訊視覺圖表化、Numpy、Pandas資料與分析的完整學習。 ■無所不在的網路應用: 囊括Flask網站開發、建立Web API與Vercel部署、Django資料庫網站架設,還有LINE Bot機器人整合應用。 ■邁向未來的AI人工智慧: 具備機器學習入門、機器學習特徵處理、分類與迴歸演算法、深度學習MLP、CNN與RNN的應用,以及NLP自然語言處理等能力。 ■玩轉創意的多媒體互動: 包含讀取圖片、編輯圖片、合成、濾鏡效果、大量圖片處理,還有PyGame遊戲開發、PyTube影音下載等運用。 ■提升效率的開發加值: 介紹目前業界最熱門的Google Colab雲端開發平台與VS Code編輯神器,也深入介紹如何將程式打包成執行檔。 ■萬物可通的IoT物聯網: 從MicroPython程式實作、硬體實作、感測器應用、加入顯示裝置、使用Wi-Fi無線網路,到物聯網整合應用。 ■熱門強大的ChatGPT應用: 運用ChatGPT解釋程式碼、撰寫指定功能語法與幫程式除錯…等,可輔助Python的學習。 透過ChatGPT API的應用,則可以在程式中與ChatGPT對話,例如經由LINE Bot,在手機的LINE中輸入對話訊息,就可以藉由ChatGPT回覆內容。 使用Playground則可在不用程式碼開發的狀態下調教GPT模型的參數,甚至生成對應的程式碼。 【超值學習資源】 獨家收錄:「Python物件導向程式開發」影音教學、 「Google Colab雲端開發平台入門」影音教學、 「善用ChatGPT學Python入門」影音教學、 「ChatGPT API及LINE Bot應用」教學PDF、 全書範例程式檔 第三版新書是依據最新應用趨勢與市場回饋的寶貴訊息調整內容, 讓本書更全面,並與資訊科技脈動同步。 在基礎入門篇中,將開發環境的安裝與設定更新到目前最新狀態 在網路應用篇中,除了更新重要範例的應用外,因應Selenium的改版而進行了語法的調整。 在網路架站方面,無論是Flask或是Django,這次特別選擇Vercel作為最後的架設平台, 並且連接PostgreSQL資料庫,讓網頁服務有更好的表現。 在人工智慧篇中,特別加入了最新的ChatGPT API開發,讓讀者也能體驗最火熱的AI主題。 在開發加值篇中,更新了PyInstaller執行檔編譯的內容。 在IoT物聯網篇則選擇了最熱門的ESP32進行介紹, 讓實戰更加得心應手。 【目錄】 【基礎入門篇】 01 建置 Python 開發環境 1.1 建置 Anaconda 開發環境 1.2 Spyder 編輯器 1.3 Jupyter Notebook 編輯器 02 變數、運算及判斷式 2.1 變數與資料型別 2.2 運算式 2.3 判斷式 03 迴圈、串列與元組 3.1 迴圈與串列 3.2 進階串列與元組 04 字典與集合的使用 4.1 字典基本操作 4.2 字典進階操作 4.3 集合 4.4 凍結集合 05 函式與模組 5.1 自訂函式 5.2 數值函式 5.3 字串函式 5.4 亂數模組 5.5 時間模組 【進階學習篇】 06 物件導向程式開發 6.1 類別與物件 6.2 類別封裝 6.3 類別繼承 6.4 多型 6.5 多重繼承 6.6 類別應用 6.7 建立 Python 專案 6.8 打造自己的模組 07 例外處理 7.1 例外處理 7.2 try...except 常用例外錯誤表 7.3 捕捉多個例外 7.4 raise 拋出例外 7.5 Traceback 記錄字串 7.6 assert 斷言 08 正規表達式 8.1 使用傳統程式設計方式搜尋 8.2 使用正規表達式 8.3 使用 re.complie() 建立正規表達式物件 8.4 使用 re 模組建立隱含正規表達式物件 8.5 更豐富的搜尋方式 8.6 使用 re.sub() 取代字串 8.7 實戰:網路爬蟲資料格式檢查 09 檔案系統的使用 9.1 檔案和目錄管理 9.2 檔案的讀寫 9.3 二進位檔案的讀寫 10 圖形使用者介面設計 10.1 Tkinter 模組:圖形使用者介面 10.2 排版方式 10.3 視窗區塊 (Frame) 10.4 實戰:英文單字王視窗版 【資料科學篇】 11 數據資料的爬取 11.1 requests 模組:讀取網站檔案 11.2 BeautifulSoup 模組:網頁解析 11.3 Selenium 模組:瀏覽器自動化操作 12 數據資料的儲存與讀取 12.1 csv 資料的儲存與讀取 12.2 Excel 資料儲存與讀取 12.3 json 資料的讀取與輸出 12.4 XML 資料的儲存與讀取 12.5 SQLite 資料庫的操作 12.6 MySQL 資料庫的操作 12.7 Google 試算表的操作 13 數據資料視覺化 13.1 繪製折線圖:plot 13.2 繪製長條圖:bar 13.3 繪製圓餅圖:pie 13.4 設定圖表區:figure 13.5 在圖表區加入多張圖表:subplot、axes 13.6 實戰:台灣股市股價走勢圖 14 Numpy 與 Pandas 14.1 Numpy 陣列建立 14.2 Numpy 陣列取值 14.3 Numpy 的運算功能 14.4 Pandas Series 14.5 Pandas DataFrame 的建立 14.6 Pandas DataFrame 資料取值 14.7 Pandas DataFrame 資料操作 14.8 Pandas 資料存取 14.9 Pandas 繪圖應用 15 Pandas 資料分析 15.1 資料預處理 15.2 資料合併 15.3 樞紐分析表 15.4 實戰:鐵達尼號生存機率預測 【網路應用篇】 16 Flask 網站開發 16.1 基本 Flask 網站應用程式 16.2 使用模板 16.3 Template 語言 16.4 以 GET 及 POST 傳送資料 17 Flask 建立 Web API 及 Vercel 部署 17.1 建立 PM2.5 資料 Web API 17.2 部署 Web API 到 Vercel 17.3 Web API 應用:PM2.5 查詢系統 18 LINE Bot 申請設定及開發 18.1 LINE 開發者管理控制台 18.2 實戰:「鸚鵡」LINE Bot 開發 19 Django 網站開發 19.1 Django 是什麼? 19.2 建立 Django 專案 19.3 視圖 (view) 與 URL 19.4 視圖、模版與 Template 語言 19.5 以 GET 及 POST 傳送資料 20 Django 資料庫連結與應用 20.1 PostgreSQL 資料庫 20.2 Django 資料庫 20.3 admin 後台管理與 ModelAdmin 類別 20.4 資料庫查詢 20.5 資料庫管理 21 Django 專題實戰及 Vercel 部署 21.1 實戰:Django 新聞公告系統 21.2 部署 Django 專案到 Vercel 【人工智慧篇】 22 機器學習:特徵提取 22.1 認識機器學習 22.2 文字特徵處理 22.3 數值標準縮放 22.4 特徵降維:特徵選擇 23 機器學習:分類及迴歸演算法 23.1 scikit-learn 資料集 23.2 K 近鄰演算法 23.3 樸素貝葉斯演算法 23.4 迴歸演算法 24 深度學習起點:多層感知器 (MLP) 24.1 認識多層感知器 (MLP) 24.2 Mnist 資料集 24.3 訓練 Mnist 手寫數字圖片辨識模型 24.4 模型儲存與預測 25 深度學習重點:CNN 及 RNN 25.1 卷積神經網路 (CNN) 基本結構 25.2 卷積神經網路實戰:Mnist 手寫數字圖片辨識 25.3 循環神經網路 (RNN) 基本結構 25.4 實戰:市場股價預測 26 自然語言處理 (NLP) 26.1 Jieba 模組 26.2 文字雲 27 ChatGPT API 及 Playground 27.1 ChatGPT API 27.2 ChatGPT Playground 【多媒體互動篇】 28 圖片批次處理:pillow 28.1 認識 pillow 28.2 圖片基本操作 28.3 圖片編輯 28.4 圖片切割、複製和合成 28.5 圖片濾鏡 28.6 繪製圖形 28.7 實戰:大量圖片處理 29 電腦遊戲開發:PyGame 29.1 Pygame 入門教學 29.2 Pygame 動畫處理 29.3 實戰:打磚塊遊戲 30 線上影音下載:PyTube 30.1 Pytube:下載 YouTube 影片模組 30.2 播放清單及相關資源下載 【開發加值篇】 31 雲端開發平台:Google Colab 31.1 Google Colab:雲端的開發平台 31.2 Markdown 語法 32 萬用編輯神器:VS Code 32.1 VS Code:最多人使用的程式編輯器 32.2 VS Code 執行 Python 程式 32.3 讓 VS Code 更有效率 33 編譯程式執行檔:PyInstaller 33.1 程式打包前的準備工作 33.2 實戰:打包 exe 執行檔 33.3 實戰:打包含有資源檔的執行檔 33.4 實戰:使用 .spec 打包含有資源檔的執行檔 33.5 資料儲存的考量 【附錄、IOT 物聯網篇】 (本篇為PDF形式電子書,請線上下載) 附錄 A MicroPython 與 ESP32 附錄 B MicroPython 小專題實作 附錄 C 感測器應用:溫溼度與超音波感測器 附錄 D 顯示裝置:LCD 液晶顯示器 附錄 E Wi-Fi 無線網路 附錄 F 物聯網應用 物聯網篇使用材料表

原價: 880 售價: 748 現省: 132元
立即查看
AI時代Math元年:用Python全精通統計及機率 (1版)

AI時代Math元年:用Python全精通統計及機率 (1版)

其他會員也一起購買

【簡介】   全書分為以下幾個部分:   統計學:機率、高斯、隨機、頻率派開始談起,包括統計描述、古典機率模型、離散隨機變數、離散分佈、連續隨機變數及連續分佈一直到高斯部分,包括了一元、二元、多元、條件高斯分佈,中間也提到最重要的斜方差矩陣。   再來的部分說明了隨機,包括了隨機變數,蒙地卡羅、頻率派統計、機率密度。   接下來說明了貝氏定理部分,包括貝氏分類、進階貝氏分類、貝氏推斷入門及進階以及馬可夫鏈蒙地卡羅。   最後一部分則以橢圓為主,包括了馬氏距離、線性迴歸及主成分分析,搭配本書系其它書籍,相信AI的數學,對你來說只會是開心而不是阻礙。   ● 宇宙的語言是數學,數學的精華是機率,機率的表達是統計!   ● 機器學習、深度學習、人工智慧,控制系統都覆蓋的機率統計基礎   ● 統計描述方法:描述、推斷、圖、差、位、距、值、度、變   ● 古典機率、條件機率、全機率理論   ● 離散變數、離散分佈、連續隨機變數   ● 一元、二元、多元、條件高斯分佈、斜方差矩陣   ● 隨機變數函式、蒙地卡羅模擬   ● 頻率派統計、機率密度、機率質量   ● 貝氏定理、貝氏分類、貝氏推斷、馬可夫鏈   ● 馬氏距離、線性迴歸、主成分分析   本書資源可至深智官網下載:deepwisdom.com.tw 【目錄】 第1篇 統計 1 機率統計全景 1.1 必備數學工具:一個線性代數小測驗 1.2 統計描述 1.3 機率 1.4 高斯 1.5 隨機 1.6 頻率派 1.7 貝氏派 1.8 橢圓三部曲 2 統計描述 2.1 統計兩大工具:描述、推斷 2.2 長條圖:單特徵資料分佈 2.3 散點圖:兩特徵資料分佈 2.4 有標籤資料的統計視覺化 2.5 集中度:平均值、質心 2.6 分散度:極差、方差、標準差 2.7 分位:四分位、百分位等 2.8 箱型圖:小提琴圖、分佈散點圖 2.9 中心距:平均值、方差、偏度、峰度 2.10 多元隨機變數關係:協方差矩陣、相關性係數矩陣 第 2 篇 機率 3 古典機率模型 3.1 無處不在的機率 3.2 古典機率:離散均勻機率律 3.3 回顧:巴斯卡三角和機率 3.4 事件之間的關係:集合運算 3.5 條件機率:給定部分資訊做推斷 3.6 貝氏定理:條件機率、邊緣機率、聯合機率關係 3.7 全機率定理:窮舉法 3.8 獨立、互斥、條件獨立 4 離散隨機變數 4.1 隨機:天地不仁,以萬物為芻狗 4.2 期望值:隨機變數的可能設定值加權平均 4.3 方差:隨機變數離期望距離平方的平均值 4.4 累積分佈函數(CDF):累加 4.5 二元離散隨機變數 4.6 協方差、相關性係數 4.7 邊緣機率:偏求和,相當於降維 4.8 條件機率:引入貝氏定理 4.9 獨立性:條件機率等於邊緣獨立 4.10 以鳶尾花資料為例:不考慮分類標籤 4.11 以鳶尾花資料為例:考慮分類標籤 4.12 再談機率1:展開、折疊 5 離散分佈 5.1 機率分佈:高度理想化的數學模型 5.2 離散均勻分佈:不分厚薄 5.3 伯努利分佈:非黑即白 5.4 二項分佈:巴斯卡三角 5.5 多項分佈:二項分佈推廣 5.6 卜松分佈:建模隨機事件的發生次數 5.7 幾何分佈:滴水穿石 5.8 超幾何分佈:不放回 6 連續隨機變數 6.1 一元連續隨機變數 6.2 期望、方差和標準差 6.3 二元連續隨機變數 6.4 邊緣機率:二元PDF 偏積分 6.5 條件機率:引入貝氏定理 6.6 獨立性:比較條件機率和邊緣機率 6.7 以鳶尾花資料為例:不考慮分類標籤 6.8 以鳶尾花資料為例:考慮分類標籤 7 連續分佈 7.1 連續均勻分佈:離散均勻分佈的連續版 7.2 高斯分佈:最重要的機率分佈,沒有之一 7.3 邏輯分佈:類似高斯分佈 7.4 學生t- 分佈:厚尾分佈 7.5 對數正態分佈:源自正態分佈 7.6 指數分佈:卜松分佈的連續隨機變數版 7.7 卡方分佈:若干IID 標準正態分佈平方和 7.8 F- 分佈:和兩個服從卡方分佈的獨立隨機變數有關 7.9 Beta 分佈:機率的機率 7.10 Dirichlet 分佈:多元Beta 分佈 8 條件機率 8.1 離散隨機變數:條件期望 8.2 離散隨機變數:條件方差 8.3 離散隨機變數的條件期望和條件方差:以鳶尾花為例 8.4 連續隨機變數:條件期望 8.5 連續隨機變數:條件方差 8.6 連續隨機變數:以鳶尾花為例 8.7 再談如何分割「1」 第 3 篇 高斯 9 一元高斯分佈 9.1 一元高斯分佈:期望值決定位置,標準差決定形狀 9.2 累積機率密度:對應機率值 9.3 標準高斯分佈:期望為0,標準差為1 9.4 68-95-99.7 法則 9.5 用一元高斯分佈估計機率密度 9.6 經驗累積分佈函數 9.7 QQ 圖:分位- 分點陣圖 9.8 從距離到一元高斯分佈 10 二元高斯分佈 10.1 二元高斯分佈:看見橢圓 10.2 邊緣分佈:一元高斯分佈 10.3 累積分佈函數:機率值 10.4 用橢圓解剖二元高斯分佈 10.5 聊聊線性相關性係數 10.6 以鳶尾花資料為例:不考慮分類標籤 10.7 以鳶尾花資料為例:考慮分類標籤 11 多元高斯分佈 11.1 矩陣角度:一元、二元、三元到多元 11.2 高斯分佈:橢圓、橢球、超橢球 11.3 解剖多元高斯分佈PDF 11.4 平移→旋轉 11.5 平移→旋轉→縮放 12 條件高斯分佈 12.1 聯合機率和條件機率關係 12.2 給定X 條件下,Y 的條件機率:以二元高斯分佈為例 12.3 給定Y 條件下,X 的條件機率:以二元高斯分佈為例 12.4 多元常態條件分佈:引入矩陣運算 13 協方差矩陣 13.1 計算協方差矩陣:描述資料分佈 13.2 相關性係數矩陣:描述Z 分數分佈 13.3 特徵值分解:找到旋轉、縮放 13.4 SVD 分解:分解資料矩陣 13.5 Cholesky 分解:列向量座標 13.6 距離:歐氏距離vs 馬氏距離 13.7 幾何角度:超橢球、橢球、橢圓 13.8 合併協方差矩陣 第 4 篇 隨機 14 隨機變數的函數 14.1 隨機變數的函數:以鳶尾花為例 14.2 線性變換:投影角度 14.3 單方向投影:以鳶尾花兩特徵為例 14.4 正交系投影:以鳶尾花兩特徵為例 14.5 以橢圓投影為角度看線性變換 14.6 主成分分析:換個角度看資料 15 蒙地卡羅模擬 15.1 蒙地卡羅模擬:基於虛擬亂數發生器 15.2 估算平方根 15.3 估算積分 15.4 估算體積 15.5 估算圓周率 15.6 布豐投針估算圓周率 15.7 接受- 拒絕抽樣法 15.8 二項分佈隨機漫步 15.9 兩個服從高斯分佈的隨機變數相加 15.10 產生滿足特定相關性的隨機數 第 5 篇 頻率派 16 頻率派統計推斷 16.1 統計推斷:兩大學派 16.2 頻率學派的工具 16.3 中心極限定理:漸近於正態分佈 16.4 最大似然:雞兔比例 16.5 最大似然:以估算平均值、方差為例 16.6 區間估計:整體方差已知,平均值估計 16.7 區間估計:整體方差未知,平均值估計 16.8 區間估計:整體平均值未知,方差估計 17 機率密度估計 17.1 機率密度估計:從長條圖說起 17.2 核心密度估計:若干核心函數加權疊合 17.3 頻寬:決定核心函數的高矮胖瘦 17.4 核心函數:八種常見核心函數 17.5 二元KDE:機率密度曲面 第 6 篇 貝氏派 18 貝氏分類 18.1 貝氏定理:分類鳶尾花 18.2 似然機率:給定分類條件下的機率密度 18.3 先驗機率:鳶尾花分類佔比 18.4 聯合機率:可以作為分類標準 18.5 證據因數:和分類無關 18.6 後驗機率:也是分類的依據 18.7 單一特徵分類:基於KDE 18.8 單一特徵分類:基於高斯 19 貝氏分類進階 19.1 似然機率:給定分類條件下的機率密度 19.2 聯合機率:可以作為分類標準 19.3 證據因數:和分類無關 19.4 後驗機率:也是分類的依據 19.5 獨立:不代表條件獨立 19.6 條件獨立:不代表獨立 20 貝氏推斷入門 20.1 貝氏推斷:更貼合人腦思維 20.2 從一元貝氏公式說起 20.3 走地雞兔:比例完全不確定 20.4 走地雞兔:很可能一半一半 20.5 走地雞兔:更一般的情況 21 貝氏推斷進階 21.1 除了雞兔,農場發現了豬 21.2 走地雞兔豬:比例完全不確定 21.3 走地雞兔豬:很可能各1/3 21.4 走地雞兔豬:更一般的情況 22 馬可夫鏈蒙地卡羅 22.1 歸一化因數沒有閉式解? 22.2 雞兔比例:使用PyMC3 22.3 雞兔豬比例:使用PyMC3 第 7 篇 橢圓 23 馬氏距離 23.1 馬氏距離:考慮資料分佈的距離度量 23.2 歐氏距離:最基本的距離 23.3 標準化歐氏距離:兩個角度 23.4 馬氏距離:兩個角度 23.5 馬氏距離和卡方分佈 24 線性迴歸 24.1 再聊線性迴歸 24.2 最小平方法 24.3 最佳化問題 24.4 投影角度 24.5 線性方程組:代數角度 24.6 條件機率 24.7 最大似然估計(MLE) 25 主成分分析 25.1 再聊主成分分析 25.2 原始資料 25.3 特徵值分解協方差矩陣 25.4 投影 25.5 幾何角度看PCA 25.6 奇異值分解 25.7 最佳化問題 25.8 資料還原和誤差

原價: 1200 售價: 1080 現省: 120元
立即查看
Python x AI辦公室作業自動化:Word、Excel、PowerPoint、PDF、CSV、Pandas-多執行緒、排程、藝術二維碼、短網址、電子郵件、爬蟲 (1版)

Python x AI辦公室作業自動化:Word、Excel、PowerPoint、PDF、CSV、Pandas-多執行緒、排程、藝術二維碼、短網址、電子郵件、爬蟲 (1版)

其他會員也一起購買

原價: 880 售價: 792 現省: 88元
立即查看
精確掌握 AI 大趨勢!深度學習技術解密:日本 AI 神人,帶你正確學會從機器學習到生成式 AI 的核心基礎 (1版)

精確掌握 AI 大趨勢!深度學習技術解密:日本 AI 神人,帶你正確學會從機器學習到生成式 AI 的核心基礎 (1版)

其他會員也一起購買

【簡介】 ▍專業推薦 (依姓名筆劃排列) 王道維|國立清華大學物理系教授 / 人文社會 AI 應用與發展研究中心副主任 林筱玫|台灣人工智慧協會執行長 劉育維|人工智慧解決方案專家暨網路作家 ▍獨角獸新創公司 Preferred Networks 創辦人 ▍2022 年日本「現代の名工」獲獎者 ▍閱讀千篇論文的深厚學識精華 ✧✦AI 神人親自講解深度學習的技術奧秘!✦✧ 千變萬化的 AI 應用,核心都是「深度學習」。 掌握深度學習,才能迎接 AI 世代的新挑戰! 【基礎概念:深度學習的特色、與機器學習的不同】 認識機器學習的不同類型,詳細瞭解神經網路、特徵學習、反向傳播,如何使深度學習脫穎而出。 【發展進化:正規化層、跳躍連接、注意力單元】 深入解說這三項核心技術的數學原理,認識深度學習克服各種困難、大幅進化的歷程。 【實際應用:影像辨識、語音辨識、自然語言處理】 綜合以上基礎,說明深度學習從輸入到輸出完整執行實際任務的過程,以及各種基礎技術在不同應用領域所擔任的重要角色。 【技術回顧:AI 發展的坎坷與突破】 早在 1956 年提出的 AI,為何數十年間乏人問津?深度學習又是如何重燃 AI 的火種?回顧 AI 發展,更能洞察未來方向。 ★特別收錄:精選基礎數學★ 把學校的數學課忘光了也不用怕!附錄彙整深度學習的必要數學知識,有疑問隨時翻閱,回頭立刻跟上大師講解。 本書不含: ✗走馬看花的簡略介紹 ✗只用大量文字描述數學概念 ✗只挑知名的技術做單元介紹 本書注重: ✓各技術運作方式的詳盡解說與參考文獻 ✓大量圖片表達技術要旨、實際數學式演示過程 ✓各技術發展背景與傳承脈絡,描繪深度學習的改革史 ✧✦探索 AI 奧祕絕不該錯過的精采好書!✦✧ 本書特色: ◆難度由淺入深,從基礎數學開始紮穩根基 書中數學式從符號開始一一解說,各種計算及推導都仔細說明,書末更附上基礎數學補充,數學課忘光也不怕 ◆核心關鍵技術一網打盡,完整掌握深度學習 學習模型 / 損失函數 / 梯度下降法 / 反向傳播 / 卷積層 / 循環層 / 閘控機制 / 激活函數 / 正規化 / 跳躍連接 / 注意力單元……核心技術全面涵蓋 ◆插圖、文字、數學式,三管齊下詳盡講解 - 以圖示勾勒整體概念 - 以文字解構問題並說明思路 - 以數學式演示技術流程 3 方向完整拆解、充分理解,讀懂原理不必再囫圇吞棗 ◆從背景到傳承,清楚描繪技術發展脈絡 偉大的技術,即是解決過去的問題,並提出未來的問題;本書清楚描繪核心技術環環相扣的進化史,更能展望 AI 未來的新發展 【目錄】 第 1 章 深度學習與人工智慧 為何深度學習能夠成功 1.1 何謂深度學習?什麼是人工「智慧」? 1.2 深度學習迅速發展的背景 1.3 深度學習的計算資源 1.4 人工智慧的歷史 1.5 未來將如何應用深度學習? 1.6 本章小結 第 2 章 機器學習入門 何謂電腦的「學習」? 2.1 機器學習的背景知識 2.2 模型、參數與資料 2.3 普適能力 — 能否處理未知資料? 2.4 學習的方法 — 監督式學習、非監督式學習與強化式學習 2.5 問題設定的分類學 2.6 機器學習的基本 — 了解機器學習的各種概念 2.7 以機率模型理解機器學習 2.8 本章小結 第 3 章 深度學習的技術基礎 組合資料轉換的「層」實現特徵學習的效果 3.1 特徵學習 — 「標示特徵」的重要性及挑戰 3.2 深度學習的基礎知識 3.3 神經網路是什麼樣的模型? 3.4 神經網路的學習 3.5 反向傳播 — 有效率地計算梯度 3.6 神經網路的主要組成元素 3.7 本章小結 第 4 章 深度學習的發展 改善學習與預測的正規化層╱跳躍連接╱注意力單元 4.1 將「學習」由理論化為現實的基礎技術 — 類似ReLU的激活函數 4.2 正規化層 4.3 跳躍連接 4.4 注意力單元 — 根據輸入,動態改變資料傳遞方式 4.5 本章小結 第 5 章 深度學習的應用技術 大幅進化的影像辨識、語音辨識、自然語言處理 5.1 影像辨識 5.2 語音辨識 5.3 自然語言處理 5.4 本章小結 附錄 精選基礎 深度學習所需的數學概念 A.1 線性代數 A.2 微分 A.3 機率

原價: 630 售價: 567 現省: 63元
立即查看
人工智慧:智慧型系統導論3/e (3版)

人工智慧:智慧型系統導論3/e (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

原價: 590 售價: 519 現省: 71元
立即查看
AI超神筆記術:NotebookLM高效資料整理與分析250技 (1版)

AI超神筆記術:NotebookLM高效資料整理與分析250技 (1版)

類似書籍推薦給您

【簡介】   神速掌握最熱門NotebookLM全面活用技能包!   Google推出的NotebookLM,被譽為「最強AI筆記神器」,是一款超級好用的AI工具。   強大且多面向的功能,簡直是為個人打造的AI智庫與超級助理。   現在,NotebookLM該懂的、該會用的技巧就在這裡!   一鍵提升創意與決策力!   筆記⭡ 知識管理⭡ 簡報⭡ 影音創作⭡   ■ 資料整理–解析文件、YouTube 影片、音檔與網頁,摘要重點、心智圖與研讀指南   ■ 辦公助手–協助行政、會議記錄、市場調查、新品分析、簡報製作   ■ 旅行規劃–安排行程、快速比對選項、時序資料整理、整合 LINE 訊息   ■ 行動創意整理–錄製節目、協助思維梳理,將零散點子轉化為完整企劃   ■ Podcast轉錄 × 影音創作–轉錄訪談,結合 Sora × FlexClip 生成高品質影片   【超值加贈】   全書範例與素材/NotebookLM提示詞/ChatGPT提示詞   筆記不再只是記錄,而是你的智慧助手!   全書分為新手、實用與提升三大部分,全面解析 NotebookLM × AI 工具,提升筆記管理、資料分析、職場效率與創意應用!結合 ChatGPT、Gamma、Sora、FlexClip,涵蓋:知識庫建構、文本分析、簡報與影音創作、旅行規劃、團隊協作與 Podcast 整理,全面強化學習與職場競爭力!   *智慧筆記:打造你的專屬知識庫   ‧掌握 NotebookLM,運用 AI 自動整理筆記、分析與應用資訊。   ‧建立專屬 AI 知識庫,了解精準提問獲取回覆的關鍵方式,輕鬆整理筆記內容。   *超效率資料分析:從海量資訊到深度知識管理   ‧解析論文、報告、PDF、Google 文件、Google 簡報、YouTube 影片與網頁,一鍵生成核心觀點、重點摘要、心智圖與研讀指南。   ‧透過 AI 問答迅速獲取關鍵回覆,將零散資訊轉化為條理清晰的知識架構。   *職場新模式:提升工作效率與團隊協作   ‧整併會議錄音檔、線上簡報與手寫筆記,取得會議逐字稿、重點與後續安排建議。   ‧行銷與市場分析、市調問卷製作與結果探討,提升行政與決策效率。   ‧團隊筆記共享 × 即時協作,讓知識管理與資訊流動更順暢。   *創意與內容生產力:從靈感到影音創作   ‧行動裝置 AI 創意發想,錄製節目內容、整理靈感,轉化為可執行的行動方案。   ‧Podcast 語音摘要,將文字轉換為對談式內容,讓資訊以更自然、生動的方式呈現。   ‧Sora × FlexClip,AI 影音創作生成專業級影片,強化視覺表現更具吸引力。   *全方位生活應用:旅行與簡報製作更輕鬆   ‧高效整理旅遊資訊,整合 LINE 訊息、個人喜好與預算,智慧規劃專屬行程!   ‧NotebookLM × Gamma,一鍵生成專業簡報,讓你的想法精準呈現,提升視覺表達力! 【目錄】 【新手篇】 Part 01 掌握 NotebookLM / AI 助力高效知識管理 1 NotebookLM 開啟知識管理新時代 2 誰適合使用 NotebookLM 3 零經驗新手該如何開始 4 初次使用 NotebookLM 5 NotebookLM 六大資料分析方式 6 NotebookLM 常見問題 7 切換畫面為深色 / 淺色模式 Part 02 打造專屬知識庫 / 你的第一本 AI 筆記本 1 提取關鍵資料與分析方向 2 建立筆記本 3 上傳多類型資料來源 4 閱讀所有資料的摘要 5 閱讀每份資料摘要與重要主題 6 閱讀每份資料內容與逐字稿 7 常見的提問技巧與方法 8 將重要回覆儲存至記事 【實用篇】 Part 03 資料分析與應用 / 從探索主題到高效整理 1 提取關鍵資料與分析方向 2 建立筆記本 3 上傳多類型資料來源 4 一鍵生成核心內容、總結與重點關注 5 一鍵生成關鍵問題整理 6 一鍵生成學習問題研讀指南 7 問答與分析 8 將重要回覆儲存至記事 9 將記事轉換為來源 10 多層次重點摘要與完整筆記 11 心智圖:讓思緒更清晰! 12 論文資料整理與總結 Part 04 職場效率提升 / 行政與會議助理好幫手 1 建立筆記本 2 上傳會議錄音生成逐字稿 3 上傳會議簡報並整併錄音進行分析 4 上傳 Google 文件讀取手寫筆記 5 提取行銷問卷關鍵因素 6 行銷問卷製作與調查結果分析 7 有效整理回覆的表格內容 Part 05 旅遊規劃 / 打造專屬完美行程 1 提取關鍵資料與分析方向 2 建立筆記本 3 上傳多類型資料來源 4 一鍵掌握旅遊規劃重點 5 一鍵生成關鍵的人事時地物 6 根據資料生成景點推薦與行程建議 7 將重要回覆儲存至記事 8 用 Google 地圖儲存景點並共享 Part 06 創意發想 / 整理靈感並生成行動方案 1 提取關鍵資料與分析方向 2 用行動裝置錄音 3 建立筆記本 4 上傳來源與生成音檔逐字稿 5 檢討、改進並生成完整行動清單 6 依指定風格生成文章 【提升篇】 Part 07 Podcast 知識對談 / 提升語音資訊傳遞力 1 生成關鍵資料與分析方向 2 建立筆記本 3 上傳多類型資料來源 4 生成與管理語音摘要 5 下載語音摘要音訊檔 6 語音摘要音訊檔上傳並分析 7 與語音摘要互動 8 用 Mixerbox AI 生成中文 Podcast 對話 Part 08 高效建立視覺化簡報 / NotebookLM × Gamma 1 用 NotebookLM 生成簡報大綱 2 Gamma 高效 AI 簡報設計 3 簡報大綱快速生成簡報 4 用 Gamma 編輯工具進階設計 5 匯出與分享簡報 6 管理 Gamma 簡報專案 Part 09 打造全新影音創作體驗 / NotebookLM × Sora × Flex Clip 1 認識 Sora 2 開始使用 Sora 3 用 Sora 為語音摘要生成相對影片 4 用 FlexClip 結合畫面與聲音 5 123APPS 合併影片 Part 10 強化團隊知識整合力 / 筆記本共用協作 1 邀請夥伴加入筆記本 2 與協作夥伴共用筆記本 3 變更共用存取權或移除協作者

原價: 480 售價: 408 現省: 72元
立即查看
AI GNN再進化-圖神經網路完整學習及應用大全 (1版)

AI GNN再進化-圖神經網路完整學習及應用大全 (1版)

類似書籍推薦給您

內容簡介   本書全面介紹了圖神經網路的各個方面,包括基礎理論、前沿問題,以及模型算法和實際應用。   全書共分為四部分,27章。首部分為引言,探討了機器學習的效率與資料在特徵空間中的表示方法的關係,並著重於圖表示學習的目標與方法。   第二部分討論了圖神經網路的基礎問題,包括表現能力、可擴展性、可解釋性和對抗堅固性等問題,並強調了圖神經網路所面對的獨特挑戰。   第三部分則著重於前沿問題,包括圖分類、連接預測、圖生成、圖轉換、圖匹配、圖結構學習、動態圖神經網路、異質圖神經網路、自動機器學習和自監督學習等領域的現狀和未來趨勢。   最後一部分則廣泛討論了圖神經網路在現代推薦系統、計算機視覺、自然語言處理、程序分析、藥物開發等領域的應用。 目錄 第一部分 引 言 第1章 表徵學習 1.1 導讀 1.2 不同領域的表徵學習 1.3 小結 第2章 圖表徵學習 2.1 導讀 2.2 傳統圖嵌入方法 2.3 現代圖嵌入方法 2.4 圖神經網路 2.5 小結 第3章 圖神經網路 3.1 導讀 3.2 圖神經網路概述 3.3 小結 第二部分 基 礎 第4章 用於節點分類的圖神經網路 4.1 背景和問題定義 4.2 有監督的圖神經網路 4.3 無監督的圖神經網路 4.4 過平滑問題 4.5 小結 第5章 圖神經網路的表達能力 5.1 導讀 5.2 圖表徵學習和問題的提出 5.3 強大的訊息傳遞圖神經網路 5.4 比1-WL測試更強大的圖神經網路架構 5.5 小結 第6章 圖神經網路的可擴充性 6.1 導讀 6.2 引言 6.3 抽樣範式 6.4 大規模圖神經網路在推薦系統中的應用 6.5 未來的方向 第7章 圖神經網路的可解釋性 7.1 背景:深度模型的可解釋性 7.2 圖神經網路的解釋方法 7.3 圖神經網路的可解釋模型 7.4 圖神經網路解釋的評估 7.5 未來的方向 第8章 圖神經網路的對抗堅固性 8.1 動機 8.2 圖神經網路的局限性:對抗性樣本 8.3 可證明的堅固性:圖神經網路的驗證 8.4 提高圖神經網路的堅固性 8.5 從堅固性的角度進行適當評估 8.6 小結 第三部分 前 沿 第9章 圖分類 9.1 導讀 9.2 用於圖分類的圖神經網路:典型工作和現代架構 9.3 池化層:從節點級輸出學習圖級輸出 9.4 圖神經網路和高階層在圖分類中的局限性 9.5 圖神經網路在圖分類中的應用 9.6 基準資料集 9.7 小結 第10章 連結預測 10.1 導讀 10.2 傳統的連結預測方法 10.3 以GNN為基礎的連結預測方法 10.4 連結預測的理論 10.5 未來的方向 第11章 圖生成 11.1 導讀 11.2 經典的圖生成模型 11.3 深度圖生成模型 11.4 小結 第12章 圖轉換 12.1 圖轉換問題的形式化 12.2 節點級轉換 12.3 邊級轉換 12.4 節點-邊共轉換 12.5 其他以圖為基礎的轉換 12.6 小結 第13章 圖匹配 13.1 導讀 13.2 圖匹配學習 13.3 圖相似性學習 13.4 小結 第14章 圖結構學習 14.1 導讀 14.2 傳統的圖結構學習 14.3 圖神經網路的圖結構學習 14.4 未來的方向 14.5 小結 第15章 動態圖神經網路 15.1 導讀 15.2 背景和標記法 15.3 動態圖的類型 15.4 用圖神經網路對動態圖進行建模 15.5 應用 15.6 小結 第16章 異質圖神經網路 16.1 HGNN簡介 16.2 淺層模型 16.3 深度模型 16.4 回顧 16.5 未來的方向 第17章 自動機器學習 17.1 背景 17.2 搜尋空間 17.3 搜尋演算法 17.4 未來的方向 第18章 自監督學習 18.1 導讀 18.2 自監督學習概述 18.3 將SSL應用於圖神經網路:對訓練策略、損失函數和代理任務進行分類 18.4 節點級代理任務 18.5 圖級代理任務 18.6 節點-圖級代理任務 18.7 討論 18.8 小結 第四部分 廣泛和新興的應用 第19章 現代推薦系統中的圖神經網路 19.1 圖神經網路在推薦系統中的實踐 19.2 案例研究1:動態的GNN學習 19.3 案例研究2:裝置-雲端協作的GNN學習 19.4 未來的方向 第20章 電腦視覺中的圖神經網路 20.1 導讀 20.2 將視覺表徵為圖 20.3 案例研究1:影像 20.4 案例研究2:視訊 20.5 其他相關工作:跨媒體 20.6 圖神經網路在電腦視覺中的前端問題 20.7 小結 第21章 自然語言處理中的圖神經網路 圖神經網路 21.1 導讀 21.2 將文字建模為圖 21.3 案例研究1:以圖為基礎的文字聚類和匹配 21.4 案例研究2:以圖為基礎的中繼站閱讀理解 21.5 未來的方向 21.6 小結 第22章 程式分析中的圖神經網路 22.1 導讀 22.2 程式分析中的機器學習 22.3 程式的圖表徵 22.4 用於程式圖的圖神經網路 22.5 案例研究1:檢測變數誤用缺陷 22.6 案例研究2:預測動態類型化語言中的類型 22.7 未來的方向 第23章 軟體挖掘中的圖神經網路 23.1 導讀 23.2 將軟體建模為圖 23.3 相關的軟體挖掘任務 23.4 軟體挖掘任務實例:原始程式碼總結 23.5 小結 第24章 藥物開發中以圖神經網路為基礎的生物醫學知識圖譜挖掘 生物醫學知識圖譜挖掘 24.1 導讀 24.2 現有的生物醫學知識圖譜 24.3 知識圖譜的推理 24.4 藥物開發中以KG為基礎的假設生成 24.5 未來的方向 第25章 預測蛋白質功能和相互作用的圖神經網路 25.1 從蛋白質的相互作用到功能簡介 25.2 三個典型的案例研究 25.3 未來的方向 第26章 異常檢測中的圖神經網路 26.1 導讀 26.2 以GNN為基礎的異常檢測的問題 26.3 管線 26.4 分類法 26.5 案例研究 26.6 未來的方向 第27章 智慧城市中的圖神經網路 27.1 用於智慧城市的圖神經網路 27.2 未來的方向 參考文獻

原價: 1200 售價: 1080 現省: 120元
立即查看
動手做深度學習-揭開神經網路的面紗(學AI真簡單系列2)

動手做深度學習-揭開神經網路的面紗(學AI真簡單系列2)

類似書籍推薦給您

內容簡介 本書是為16~18歲青少年提供最新的人工智慧探索實作內容。書中講述人工智慧的「視覺辨識」相關的實作主題,啟發下一世代AI工作者或創造者。 這本為初學者寫的深度學習專書,打破艱澀的理論與難以理解的程式語言,介紹Teachable Machine、Tensorflow Playground等web工具,以深入淺出的方式帶領讀者進入深度學習與類神經網路的知識領域,再以詳細實作步驟,讓您也一步一步學會如何打造貓狗辨識、人臉辨識門禁的AI視覺辨識應用。 本書作者為AI4kids團隊,曾應教育部國教署邀請,至全國高中主任會議分享AI教學、親子天下雜誌專文報導,成員來自AIA台灣人工智慧學校的校友,團隊有軟體技術、創新研發、工程管理、電商行銷等資歷專長,因為對AI科技教育的熱情而投入AI的教案研發與教學,目標是透過教孩子動手實作AI專題,來啟發他們的好奇心與想像力,協助他們運用各種程式或平台工具來探索、創造自己的AI應用。 產品目錄 第一章 10 分鐘讓電腦學會辨識剪刀、石頭、布 1-1 Teachable Machine 簡介 1-2 如何輸入影像 1-3 如何訓練模型 1-4 如何驗證準確率 1-5 小結 第二章 看得見的神經網路:TensorFlow playground 2-1 類神經網路簡介 2-2 看見類神經網路的運行 2-3 動手訓練神經網路 2-4 小結 第三章 為什麼電腦可以辨識影像 3-1 電腦如何看 3-2 電腦視覺常見應用 3-3 深度學習 3-4 卷積神經網路 3-5 小結 第四章 是貓還是狗? CNN 網路AI秒辨識 4-1 準備資料集(Dataset) 4-2 載入套件 4-3 資料預處理 4-4 合併貓狗資料集 4-5 創建CNN 類神經網路模型 4-6 如何測試與驗證準確率 4-7 小結 第五章 延伸創作──人臉辨識門禁管理 5-1 門禁系統介紹 5-2 設備說明 5-3 Tensorflow Lite 模型建置 5-4 為樹莓派安裝作業系統 5-5 在樹莓派上使用我們訓練的模型 5-6 完成人臉辨識門禁系統 5-7 小結 附錄A Python 基礎語法查詢表 附錄B Google Colab 使用簡介

原價: 280 售價: 246 現省: 34元
立即查看
踏上生成式AI自學之路: 從底層技術、程式實作到企業應用 (1版)

踏上生成式AI自學之路: 從底層技術、程式實作到企業應用 (1版)

類似書籍推薦給您

【簡介】   「人工智慧 (Artificial Intelligence, AI) 」 一詞,最早可追溯至20世紀中英國數學家艾倫.圖靈發表的論文Computing Machinery and Intelligence。隨著時間推移,硬體與軟體技術的迅速進步讓電腦運算速度大幅提升、成本顯著下降,並且配合演算法領域的卓越研究成果,人工智慧領域不再是遙不可及的夢想。21世紀初,AlphaGo達到可以對決頂尖圍棋高手的程度,到了2022年,OpenAI正式推出ChatGPT,更讓人工智慧真正普及到大眾生活。     生成式AI在各行各業專業領域中帶來重大變革,本書能幫助您突破生成式AI的工具性操作,深入了解其背後的技術、應用與影響力。全書共有七個章節,內容涵蓋生成式AI的底層邏輯、實務操作、企業管理策略等三個面向。     第一到三章聚焦於生成式AI的底層邏輯,會依序介紹AI先備知識、經典模型以及生成式AI 核心架構:Transformer,即便您沒有資訊背景也能夠讀懂。第四到六章聚焦於生成式AI的實務操作,介紹提示工程(Prompt Engineering),教您如何讓生成式AI產出高品質的回應,並手把手地帶您使用ChatGPT API 實作兩個小專案:檢索增強生成(RAG)以及網站智能客服。第七章聚焦於生成式AI的企業管理策略,針對企業最迫切關注的議題:如何導入生成式AI,提出淺見與看法。 【目錄】 序言 1從AI 到生成式AI 1-1 生成式AI 的演進 1-2 生成式AI 的應用 1-3 生成式AI 的挑戰 2生成式AI 先備知識 2-1 機器學習 2-2 深度學習 2-3 自然語言處理與理解 2-4 文字轉向量 2-5 大型語言模型 2-6 RNN 遞迴神經網路 2-7 LSTM 長短期記憶模型 2-8 GAN 生成對抗網路 3 Transformer 深入淺出 3-1 Transformer 簡介 3-2 Transformer 輸入 3-3 Transformer 編碼器 3-4 Transformer 解碼器 3-5 Transformer 輸出 3-6 Google Titans 模型 3-7 DeepSeek R1 模型 4提示工程 4-1 提示工程簡介 4-2 指令微調(Prompt-Tuning) 4-3 上下文學習(In-Context Learning) 4-4 大模型微調(Fine-Tuning) 4-5 思維鏈(Chain of Thought) 4-6 客製化指令 5實作檢索增強生成 5-1 前置作業 5-2 準備目標檔案 5-3 切割目標檔案 5-4 建立向量資料庫 5-5 檢索合適的回答 5-6 問答 5-7 聊天 6實作網站智能客服 6-1 工具準備 6-2 建立主機空間 6-3 建立網站 6-4 編輯網頁 6-5 網站上網 6-6 建立系統後端 6-7 建立系統前端 7企業導入生成式AI 7-1 人工智慧原則 7-2 企業面臨的挑戰 7-3 生成式AI 的導入流程 7-4 未來趨勢—AI 代理 結語 看更多

原價: 520 售價: 442 現省: 78元
立即查看
Microsoft Azure AI Services與Azure OpenAI從入門到人工智慧程式開發-使用Python(含MCF AI-900國際認證) (1版)

Microsoft Azure AI Services與Azure OpenAI從入門到人工智慧程式開發-使用Python(含MCF AI-900國際認證) (1版)

類似書籍推薦給您

【簡介】   體貼初學者學習Azure AI服務的流程!   Azure AI服務功能介紹 > Azure AI服務申請 > 語法解說 > AI範例實作      ■ 專家與教師共同執筆    由微軟AI + Developer 雙領域 MVP與科技大學教師共同編著,針對初學者學習Azure AI領域所應具備的基本素養,所編寫入門教材,內容由淺入深,以引發學習動機為最主要考量,帶領初學者靈活運用Azure AI與Azure OpenAI進行開發AI應用程式。      ■ 內容多元且淺顯易懂    對Azure AI服務的理論做深入淺出的說明,同時廣泛列舉相關應用實例,並使用適當的插圖和圖表,說明Azure AI技術的原理和實際運作方案,讓初學者對Azure AI有更進一步的認識。      ■ Azure AI服務開發技能    介紹實用的入門開發實作,以培養初學者規劃AI解決方案的能力。實作包含:電腦視覺、OCR光學字元辨識、自訂視覺、臉部偵測與分析、文字分析、問題解答知識庫、翻譯、語音合成以及機器學習分類、迴歸和叢集模型的實作範例,並介紹目前最火紅的Azure OpenAI生成式AI開發聊天機器人與AI繪圖程式;詳盡說明實作的程式碼與操作步驟,培養初學者開發AI應用程式的能力。      ■ Microsoft AI-900人工智慧基礎國際認證能力訓練    將認證考試重點融入書中,讀者能藉由練習來了解該章內容重點,同時書末彙整MCF AI-900核心能力國際認證模擬試題,是考取MCF AI-900人工智慧基礎國際認證的最佳教材。  【目錄】 第1章 Microsoft Azure AI 基本概念:使用人工智慧的開始  1.1 人工智慧簡介  1.2 Microsoft Azure AI 簡介  1.3 模擬試題  第2章 負責任的 AI  2.1 AI 造成的道德和社會問題  2.2 了解負責任的AI  2.3 申請Azure 帳戶  2.4 模擬試題  第3章 認識 Colab 程式編輯環境  3.1 Colab 簡介  3.2 安裝 Colab  3.3 Colab 環境簡介  3.4 編輯第一個 Colab 筆記本  3.5 Colab 常用功能  第4章 Gradio 互動式網頁  4.1 簡介認識 Gradio  4.2 Gradio 基本語法介紹  4.3 Gradio 常用的輸出入元件  第5章 探索電腦視覺(一)電腦視覺分析  5.1 Azure AI 視覺簡介  5.2 Azure AI 視覺服務  5.3 Azure AI 服務開發環境與必要條件  5.4 Azure AI 視覺開發實作  5.5 模擬試題  第6章 探索電腦視覺(二)OCR 與文件智慧服務  6.1 光學字元識別 (OCR)  6.2 Azure AI 視覺服務讀取文字  6.3 文件智慧服務和知識採礦  6.4 Azure Al 視覺服務讀取影像文字開發實作  6.5 模擬試題  第7章 探索電腦視覺(三)臉部服務  7.1 臉部辨識服務簡介  7.2 臉部偵測  7.3 臉部分析  7.4 臉部識別  7.5 臉部辨識服務開發實作  7.6 模擬試題  第8章 探索電腦視覺(四)自訂視覺  8.1 自訂視覺簡介  8.2 自訂視覺影像分類  8.3 在 Azure 使用影像分類  8.4 自訂視覺物件偵測  8.5 在 Azure 使用物件偵測  8.6 自訂視覺範例實作  8.7 模擬試題  第9章 探索自然語言處理(一)文字分析  9.1 自然語言處理簡介  9.2 自然語言處理  9.3 使用 Azure AI 語言服務分析文字  9.4 文字分析開發實作  9.5 模擬試題  第10章 探索自然語言處理(二)對話式AI  10.1 對話式AI 簡介  10.2 問題與解答對話系統  10.3 使用交談語言理解建立語言模型  10.4 Azure AI 機器人服務  10.5 自訂問題解答開發實作  10.6 模擬試題  第11章 探索自然語言處理(三)語音與翻譯  11.1 語音辨識與語音合成  11.2 語音服務功能介紹  11.3 文字翻譯  11.4 翻譯服務功能介紹  11.5 文字翻譯開發實作  11.6 語音合成開發實作  11.7 模擬試題  第12章 Azure 機器學習基本原理  12.1 機器學習簡介  12.2 機器學習的工作流程  12.3 機器學習的模型  12.4 分類模型  12.5 迴歸模型  12.6 叢集模型  12.7 模擬試題  第13章 Azure 機器學習實作  13.1 Azure 機器學習服務簡介  13.2 Azure 機器學習設計工具的工作流程  13.3 使用設計工具建立模型  13.4 使用 Azure 機器學習自動化 ML  13.5 使用提示流程建立 AI 應用程式  13.6 模擬試題  第14章 Azure OpenAI  14.1 生成式 AI 簡介  14.2 大型語言模型  14.3 Azure OpenAI 簡介  14.4 Copilots 簡介  14.5 使用提示工程改善生成式 AI 回應  14.6 Azure OpenAI 生成式 AI 應用程式開發實作  14.7 模擬試題  附錄A MCF AI-900 人工智慧基礎國際認證模擬試題  看更多

原價: 560 售價: 476 現省: 84元
立即查看