企業評價
作 / 譯 者 ： 王淑芬
I S B N - 13 ： 9789576099755
I S B N - 10 ： 9576099755
類 別： 企業評價
版 次： 2 版
年 份： 2015
規 格： 403 頁
出 版 商： 華泰文化事業股份有限公司
簡介
依據會計第三十四號和三十五號公報特別強調企業的資產價值必須合理表達其價值，因此不論有形資產、無形資產或衍生性金融商品都需予以合理評價，而不再以過於穩健的原理原則來呈現資產的價值。這不但說明會計準則須因應環境的改變而調整，同時也說明了公平合理評估企業價值的重要性。
本版與第一版的差異很大，以更深度的思維來探討「評價」的方法、限制與詮釋。企業評價是整合策略、會計、財務報表、財務管理與投資學等五大學門的知識，來討論如何具體進行評價工作。本書強調評價的技術面，內容呈現上，首先論述如何將三大報表轉換成「評價觀念下的財務報表」（重編財務報表）後，再深度介紹三種評價模式（價格乘數法、剩餘盈餘折現模式、異常盈餘折現模式），文中輔以台積電為主要的分析個案。最後一章綜合範例分別以台積電、聯電與聯發科等半導體企業進行相關評價的分析，並於各章末新增多元的習題演練，培養讀者的評價思維、對問題的看法與處理問題的能力。
目錄
第1章 企業評價概論
第2章 企業策略與產業分析
第3章 財務報表與企業評價
第4章 價值恆等式與財務報表
第5章 重編資產負債表與企業評價
第6章 重編損益表與企業評價
第7章 重編現金流量表與自由現金流量
第8章 資金成本的計算
第9章 財務預測與財務分析
第10章 價格乘數法
第11章 股利折現模式
第12章 自由現金流量評價法
第13章 剩餘盈餘價值評價模式
第14章 異常盈餘成長評價分析
第15章 反推法
第16章 綜合範例
立即查看
IFRS財務報表分析：實務的運用 (2版)
相關熱銷的書籍推薦給您
【中文書】
書名：財務報表分析：實務的運用 二版
作者：薛兆亨
出版社：雙葉
出版日期：2015/06/30
ISBN：9789865668310
目錄
第一篇 財務報表分析導論
第01章 財務報表分析概念
第1節 財務報表資訊的使用人
第2節 財務報表分析與會計資料
第3節 財務報表
第02章 資產負債表
第1節 何謂資產負債表
第2節 資產負債表的用途
第3節 資產負債表的內容
第03章 綜合損益表及其他財務報告內容
第1節 綜合損益表
第2節 其他財務報表的附註
第3節 會計師查核報告
第04章 財務報表分析工具
第1節 財務報表分析工具概述
第2節 比較財務報表
第3節 共同比財務報表
第4節 比率分析
第5節 範例分析
第二篇 財務報表分析類型
第05章 短期償債能力分析
第1節 為何需要分析短期償債能力
第2節 短期償債能力分析的基礎知識
第3節 短期償債能力分析步驟
第4節 短期償債能力分析範例
第5節 內部分析管理面之應用
第06章 現金流量表分析與現金管理
第1節 現金流量表的用途
第2節 現金流量的類型
第3節 現金流量表的表達方式
第4節 現金流量比率分析
第5節 現金流量表的效益
第6節 現金流量體質分析
第7節 現金流量表分析策略
第8節 現金流量表分析範例
第9節 內部分析現金管理
第07章 長期償債能力分析
第1節 為何需要分析長期償債能力
第2節 長期償債能力分析的基礎知識
第3節 長期償債能力分析步驟
第4節 長期償債能力分析範例
第08章 獲利能力與經營能力分析
第1節 為何需要分析獲利能力
第2節 獲利能力分析的基礎知識
第3節 獲利能力分析步驟
第4節 獲利能力分析範例
第5節 為何需要分析經營能力
第6節 經營能力分析的基礎知識
第7節 經營能力分析步驟
第8節 經營能力分析範例
第09章 經營成果分析
第1節 內部分析毛利分析
第2節 內部分析費用分析
第3節 內部分析生產力分析
第10章 風險分析與股票的評價
第1節 特殊目的分析風險與槓桿分析
第2節 特殊目的分析破產預測
第3節 特殊目的分析股票的評價
第11章 投資股票應具備的財務分析
第1節 認識股票的種類
第2節 以高登模式計算預期報酬率
第3節 以現金流量折現法評估合理股價
第4節 以本益比法與股價淨值比法評價
第5節 營收成長分析
第6節 避免買到地雷股的盈餘品質分析
第7節 彼得‧林區的評價模式
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)
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
立即查看
變動中的信託法制：從理論架構至家族企業傳承 (1版)
類似書籍推薦給您
【簡介】
‧俗諺云「富不過三代」，原因為何，如何透過傳承規劃，使家族和企業雙贏？
‧如何設計家族治理機制，和家族辦公室之運作模式，達到百年傳承目的？
‧台灣應如何改善法制並建立生態系統，俾以多元化設計滿足社會各階層需求？ 以台灣信託法制為核心，全面探討信託的基本概念、國際間慣用的家族信託設計，台灣信託法制和國外規範的差異，延伸至家族辦公室以及相關稅務處理。特色在結合現有法制及社會需求，除分析法制設計緣由外，更專注討論台灣近三十年來社會的演變，參考國外發展，提出制度改善建議，尤其是針對近年實際案例，深入分析涉及的層面和對法制的衝擊。
第一部分「信託法制概論與台灣信託法」：探討信託的基本理念和實際應用，以及台灣信託法制的架構偏差和可能衍生的問題。
第二部分「家業傳承與家族治理」：討論家族企業世代傳𠄘的核心議題，涵蓋傳承設計的模式選擇、接班規劃及家族治理，並延伸至家族辦公室的多重功能，以協助「家族踏上其獨特的轉化和永續之旅」。
第三部分「特定類型信託與執行設計」：探討國際上常用的家族信託設計，包括權力保留信託、保護信託/禁止揮霍信託、裁量信託及非公益目的信託。此部分亦論及各種執行設計，例如保護人和信託顧問。
第四部分「信託稅法」：分析現行信託稅制，例如遺產稅、贈與稅及所得稅，並且介紹FATCA及CRS國際稅務合作機制，探討全球反避稅浪潮下國際信託稅制趨勢。
本書適合法律研究者、財富管理專業人士、企業主及對信託制度有興趣的讀者，幫助其掌握理論和實務，特別是對家族傳承的國際慣用模式，和台灣法制趨勢有更深入了解。
【目錄】
推薦序／詹森林
推薦序／黃世杰
推薦序／邱月琴
序 文第一部分 信託法制概論與台灣信託法／方嘉麟、郭振揚
第一篇 信託法制概論
壹、信託基本理念／3
貳、歐陸法系引入信託設計／29
參、台灣信託法制之沿革與展望／34
個案研究──借名登記／39
第二篇 台灣信託法制與實務運作
壹、法制架構／42
貳、條文釋義／44
個案研究──對信託財產強制執行／104
附錄──信託行為之性質／106第二部分 家業傳承與家族治理／方嘉麟、胡玉瑩、郭振揚
第一篇 家業傳承與接班規劃
壹、家族企業之定義／115
貳、家族企業之重要性／116
參、接班模式與實證研究／117
肆、家業傳承之目標與相應考量／119
伍、傳承設計之比較／121
個案研究──泰山經營權爭奪／129
第二篇 家族傳承與治理
壹、傳承規劃與單純繼承／132
貳、家業傳承與家族治理／139
參、家族治理之基本概念／143
肆、家族治理之架構、程序和原則／150
個案研究──李錦記家族治理／159
附錄 傳承設計之比較／162
第三篇 家族辦公室之功能與規範
壹、家族辦公室簡介與定義／163
貳、家族辦公室相關法規及內部監控風險／169
參、設立家族辦公室的成功因素／174
肆、實踐願景性定義下的家族辦公室／175第三部分 特定類型信託和執行設計／方嘉麟、郭振揚
第一篇 權力保留信託（Reserved Power Trust）
壹、概 論／183
貳、各國規範／185
參、和台灣法比較／229
個案研究──公益信託林堉璘宏泰教育文化公益基金／236
附錄──離岸法域委託人權力保留規範比較／240
第二篇 保護信託與禁止揮霍信託（Protective Trust and Spendthrift Trust）
壹、定 義／243
貳、各國規範／244
參、和台灣法比較／250
個案研究──李鍾桂監護權案／256
第三篇 裁量信託（Discretionary Trust）
壹、定 義／260
貳、功 能／265
參、傳統信託法概念之調整／266
肆、朝代信託和禁止永續原則的廢除和調整／268
伍、各國規範／268
陸、和台灣法之比較／271
個案研究──Grand View v Wong案／274
第四篇 非公益目的信託（Non-Charitable Purpose Trust）
壹、定 義／277
貳、功 能／278
參、傳統信託法概念之調整／279
肆、各國規範／281
伍、和台灣法之比較／285
個案研究──台塑家族信託／287
第五篇 執行設計
壹、受託人以外之設計／290
個案研究──公益信託之指示權人／295
貳、受託人──專業信託公司及私人信託公司／299
個案研究──佳格食品大股東／310 第四部分 信託稅法／馬國柱、郭振揚
壹、台灣立法沿革與基本原則／315
貳、信託各種稅目／318
參、FATCA與CRS／333
立即查看
大學與地方協力之社會實踐：雙連梨社會企業的挑戰與創新 (1版)
類似書籍推薦給您
【簡介】
＼探討如何從一個小型計畫，成長為穩定且獨立的社會企業／
闡述雙連梨社會企業的發展歷程，透過大學社會責任（USR）進駐協力，以及實踐兼顧社會價值與商業獲利能力，找出社會企業存在的獨特性，達到永續經營。
-
本書採用敘述研究的方式，從雙連梨社會企業共同創辦人視角出發，並納入在地社區、企業執行成員、大學學生等多個不同視角，解析社會企業的發展過程。探索雙連梨社會企業如何從一個小型計畫一路成長為穩定且獨立的社會企業，並且進一步將社會企業影響力從雙連社區逐步拓展至卓蘭鎮。
書中彙整雙連梨社會企業的發展歷程，闡述社會企業中社會性與商業性並重的核心價值，說明社會企業的創意與獨特性。內容夾敘夾議，描繪雙連梨社會企業創辦過程的每一項決策與反思，帶領讀者共同體會社會企業創業的甘苦，提供經營社會企業與社會實踐者借鏡。
【目錄】
第零章 前言
一、背景與特殊性
二、利害關係人的關鍵角色與變化
三、社會企業的反思
第壹章 從卓蘭看偏鄉
一、起源與背景
二、一間小學如果在地方上消失了，會有什麼影響？
第貳章 雙連梨社會企業
一、籌措創業資金與人才
二、為公司長久營運做準備
三、雙連梨社會企業的成長史
四、投入青年培力工作站
五、社會企業的位置和角色
第參章 USR進入社區
一、盤點問題：社區產業環境不佳
二、盤點問題：區域性組織功能不彰
三、盤點問題：人力、社會及教育資源不均與匱乏
四、以永續為概念提出策略解方
五、根據策略擬定具體做法
六、把社區變教室，帶學生走出校園舒適圈
七、讓USR透過社會企業來實踐
八、落實在地化，不再以西方菁英教育為尊
第肆章 校園外的課堂
一、服務學習課程：商管社會責任實踐
二、三創課程：管理實境解題
三、以社會企業延續課程成果
四、PBL問題導向學習法
第伍章 跨校串聯
一、中興大學農藝系：導入科學農業
二、鼓勵學生跨系修課，發展農業智慧化
三、東海大學食科系：為次級水果找出路
四、透過USR計畫，讓學術專業進入農民體系
五、逢甲大學社會系：組織訪調工作隊進入社區
六、田野調查，蒐集第一手現場資料
七、中原大學企管系：扮演協調整合的角色
第陸章 在地對接
一、雙連國小：課程設計接軌地方與國際
二、發展特色課程，創造偏鄉小校的競爭力
三、內灣國小：從實踐創新課程出發
四、善用資源奠定基礎，從學校延伸到社區
五、卓蘭高中：培養用英文介紹地方的能力
六、社區串聯，以在地居民為核心
立即查看
AIGC大型語言模型：個人應用到企業實戰立刻上手 (1版)
類似書籍推薦給您
【簡介】
https://youtu.be/YZ3u4tg1n8g
★AIGC的技術躍遷與「奇點臨近」
★大模型的「百模大戰」與競爭格局
★多模態模型與AGI的可能性
★AIGC在商業領域的應用爆發
★AIGC對社會與個人的轉型影響
★AIGC在電子商務與行業轉型中的應用
★ChatGPT提示詞最佳化與垂直應用
★AI繪圖/音效/視訊生成技術的實際應用
★AIGC技術的核心原理與架構
★LangChain框架與AI應用的開發實踐
★AutoGPT與HuggingGPT的協作能力
★文生視訊在企業級應用中的實踐
★專屬ChatGPT的定制與本地部署
★AIGC的風險管理與安全框架
這是一本深入探討AIGC（生成式人工智慧）技術與應用的全面指南，從技術原理到實際應用，從個人使用到企業實踐，為讀者提供了一個完整的視野。
透過詳細的案例和清晰的架構，帶領讀者了解AIGC如何從技術奇點發展到商業應用的浪潮，並揭示ChatGPT、大模型、多模態技術等核心概念的演變與突破。
本書強調AIGC在社會底層技術變革中的重要角色，並深入剖析其在電子商務、數位內容創造以及企業轉型中的價值，為讀者呈現了AIGC如何改變各行業的運作模式。
【章節概要】
第一篇：
新手入門，帶領讀者從AIGC的技術躍遷到多模態模型的興起，剖析ChatGPT如何引領生成式人工智慧熱潮，並闡述大模型的快速發展及其在商業應用中的創新實踐。
第二篇：
深入探討AIGC在個人應用上的多樣可能性，從AI聊天對話的提示詞最佳化到外掛程式的垂直應用，從Midjourney和Stable Diffusion的AI繪畫實踐到AI音訊與視訊生成的多場景操作，展現AIGC如何提升創造力與生產效率。
第三篇：
專注於技術原理和架構解析，涵蓋ChatGPT的核心技術、擴散模型的運作機制，以及LangChain框架在AI應用開發中的實際案例，進一步延伸到AutoGPT與HuggingGPT系統的協作能力。
第四篇：
企業應用實戰，從文生視訊的企業級實作到AI的軟體研發系統升級，並進一步探索定制專屬ChatGPT的實踐方案，為企業讀者提供實際的操作指南與解決方案。
最後是AIGC安全與風險治理，分析演算法、資料及應用層面的潛在風險，並提出完善的安全框架，為AIGC的可持續發展提供了切實可行的建議。
【專家推薦】
「ChatGPT 的發佈讓AI 技術的發展走到了「iPhone 時刻」。這項變革性的技術為人們帶來了前所未有的互動體驗和便利，之後又湧現了各種新的模型和技術。本書從多個方面介紹了AIGC 乃至AGI（人工通用智慧）的原理、應用場景，以及個人和企業的應用案例，值得大家閱讀。」
楊守斌 微軟社區區域技術總監 MSRD
「ChatGPT 的出現再次提醒我們，科技的突破是跳躍式的。AIGC 的發展關係著我們每個人。本書詳細介紹了AIGC 的發展脈絡和技術創新，更示範了使用AIGC 解決實際問題的方法，適合所有對AI 感興趣的讀者閱讀。」
曹冬磊博士 Kavout 首席科學家
「ChatGPT 的問世使得原本高端、神秘的AI 突然走進了大眾的工作與生活。AI 並不會直接搶走你的工作，但能用好AI 的人可能會。
本書是一本涵蓋原理、應用場景、應用案例的寶典。相信它可以幫你走出AI 焦慮，走進AI 世界。」
黃添來 高途集團高級技術總監
【目錄】
第 1 部分 AI 基礎概念
第 1 章 人工智慧基礎
1.1 探索 AI 的世界
1.1.1 人工智慧的範疇
1.1.2 何謂人工智慧？
1.1.3 人工智慧的演進
1.1.4 人工智慧的分級
1.2 機器學習大補帖
1.2.1 何謂機器學習？
1.2.2 機器如何學習？
1.2.3 資料學三劍客
1.2.4 機器學習流程
1.2.5 學 AI 該用哪種程式語言？
1.3 環境安裝指南
1.3.1 Anaconda 介紹與安裝
第 2 章 發現資料的秘密
2.1 資料的探索與準備
2.1.1 什麼是資料？
2.2 探索式資料分析
2.2.1 EDA 必要的套件
2.2.2 第一支EDA 程式：資料集一覽
2.2.3 資料集描述
2.2.4 載入資料集
2.2.5 直方圖
2.2.6 核密度估計圖
2.2.7 相關性熱圖
2.2.8 散佈圖
2.2.9 盒鬚圖
2.3 離群值的檢查與處理方法
2.3.1 檢查異常值的方法
2.3.2 處理異常值的方法
2.4 資料清理和前處理
2.4.1 缺失值的處理
2.4.2 類別資料的處理
2.5 數據正規化與標準化
2.5.1 正規化 (Normalization)
2.5.2 標準化（Standardization）
2.5.3 為何需要特徵縮放與轉換？
2.5.4 特徵縮放與轉換
第 2 部分 機器學習入門
第 3 章 非監督式學習：資料分群分類
3.1 何謂非監督式學習？
3.2 K-means 簡介
3.2.1 K-means 如何分群？
3.2.2 K-means 的最佳化目標
3.3 K-means 實務應用：群眾消費行為分群
3.3.1 資料集描述
3.3.2 載入資料集
3.3.3 建立K-means 模型
3.3.4 inertia 評估分群結果
3.3.5 視覺化分群結果
3.3.6 如何選擇最佳的K 值
3.4 降維技術在機器學習中的應用
3.4.1 降維的概念
3.4.2 主成分分析（PCA）
3.4.3 t- 隨機鄰近嵌入法（t-SNE）
3.5 降維實務應用：手寫數字降維視覺化
3.5.1 資料集描述
3.5.2 載入資料集
3.5.3 將資料切分成訓練集與測試集
3.5.4 建立PCA 模型
3.5.5 建立t-SNE 模型
第 4 章 線性模型
4.1 線性迴歸
4.1.1 線性迴歸簡介
4.1.2 線性迴歸的損失函數
4.1.3 線性模型求解方法：閉式解與梯度下降
4.2 線性迴歸實務應用：同步機勵磁電流預測
4.2.1 資料集描述
4.2.2 載入資料集
4.2.3 將資料切分成訓練集與測試集
4.2.4 特徵標準化
4.2.5 建立Linear Regression 模型
4.2.6 評估模型
4.2.7 迴歸係數分析
4.3 邏輯迴歸
4.3.1 邏輯迴歸簡介
4.3.2 邏輯迴歸學習機制
4.3.3 邏輯迴歸的損失函數
4.3.4 多分類邏輯迴歸
4.4 邏輯迴歸實務應用：鳶尾花朵分類
4.4.1 資料集描述
4.4.2 載入資料集
4.4.3 將資料切分成訓練集與測試集
4.4.4 建立Logistic regression 模型
4.4.5 評估模型
第 5 章 鄰近規則分析
5.1 k- 近鄰演算法
5.1.1 KNN 演算法原理
5.1.2 KNN 於分類和迴歸任務
5.1.3 KNN 度量距離的方法
5.1.4 比較KNN 與K-means 差異
5.2 KNN 實務應用：葡萄酒品種分類
5.2.1 資料集描述
5.2.2 載入資料集
5.2.3 將資料切分成訓練集與測試集
5.2.4 建立KNN 分類模型
5.2.5 評估模型
第 6 章 支援向量機
6.1 支援向量機簡介
6.1.1 支援向量機基本原理
6.1.2 超平面和支援向量
6.1.3 線性支援向量機
6.1.4 非線性支援向量機
6.2 支援向量機於分類和迴歸任務
6.2.1 SVM 分類器
6.2.2 SVM 迴歸器
6.2.3 參數調整技巧
6.3 SVM（分類）實務應用：手寫數字辨識
6.3.1 資料集描述
6.3.2 載入資料集
6.3.3 特徵前處理：t-SNE 降維
6.3.4 前置作業
6.3.5 建立SVM 分類模型
6.4 SVR（迴歸）實務應用：薪資預測
6.4.1 資料集描述
6.4.2 載入資料集
6.4.3 將資料切分成訓練集與測試集
6.4.4 建立SVR 迴歸模型
6.4.5 評估模型
6.4.6 視覺化預測：迴歸分析
第 7 章 決策樹
7.1 決策樹簡介
7.1.1 決策樹的基本概念
7.1.2 分類樹的生長過程
7.1.3 分類樹的評估指標
7.1.4 迴歸樹的生長過程
7.1.5 迴歸樹的評估指標
7.2 CART 決策樹
7.2.1 CART 演算法流程
7.2.2 決策樹剪枝
7.3 決策樹的可解釋性
7.3.1 決策樹的特徵重要性
7.4 決策樹（分類）實務應用：玻璃類型檢測
7.4.1 資料集描述
7.4.2 載入資料集
7.4.3 將資料切分成訓練集與測試集
7.4.4 建立分類決策樹模型
7.4.5 評估模型
7.4.6 模型的可解釋性
7.4.7 繪製決策邊界
7.5 決策樹（迴歸）實務應用：房價預測
7.5.1 資料集描述
7.5.2 載入資料集
7.5.3 特徵工程
7.5.4 將資料切分成訓練集與測試集
7.5.5 建立迴歸決策樹
7.5.6 評估模型
7.5.7 模型的可解釋性
第 8 章 整體學習
8.1 何謂整體學習？
8.1.1 特徵面
8.1.2 資料面
8.2 隨機森林
8.2.1 隨機森林簡介
8.2.2 隨機森林的生成方法
8.3 隨機森林（分類）實務應用：糖尿病罹患預測
8.3.1 資料集描述
8.3.2 載入資料集
8.3.3 將資料切分成訓練集與測試集
8.3.4 建立隨機森林分類模型
8.3.5 評估模型
8.3.6 模型的可解釋性
8.4 隨機森林（迴歸）實務應用：帕金森氏症評估預測
8.4.1 資料集描述
8.4.2 載入資料集
8.4.3 將資料切分成訓練集與測試集
8.4.4 建立隨機森林分類模型
8.4.5 評估模型
8.4.6 模型的可解釋性
8.5 極限梯度提升（XGBoost）
8.5.1 極限梯度提升簡介
8.5.2 XGBoost 模型結構
8.6 XGBoost（分類）實務應用：銀行客戶定存申辦預測
8.6.1 資料集描述
8.6.2 載入資料集
8.6.3 資料清理
8.6.4 將資料切分成訓練集與測試集
8.6.5 建立XGBoost 分類模型
8.6.6 評估模型
8.6.7 模型的可解釋性
8.7 XGBoost（迴歸）實務應用：汽車燃油效率預測
8.7.1 資料集描述
8.7.2 載入資料集
8.7.3 將資料切分成訓練集與測試集
8.7.4 建立XGBoost 迴歸模型
8.7.5 評估模型
8.7.6 模型的可解釋性
第 3 部分 進階概念與應用
第 9 章 交叉驗證和錯誤修正
9.1 不能忽視的過擬合與欠擬合
9.1.1 如何選擇最佳的模型？
9.1.2 過擬合 vs 欠擬合
9.1.3 偏差與方差的差權衡
9.1.4 如何避免欠擬合？
9.1.5 如何避免過擬合？
9.2 交叉驗證簡介
9.2.1 何謂交叉驗證？
9.2.2 K-Fold 交叉驗證
9.3 機器學習常犯錯的十件事
9.3.1 資料收集與處理不當
9.3.2 訓練集與測試集的類別分佈不一致
9.3.3 沒有資料視覺化的習慣
9.3.4 使用錯誤方法為特徵編碼
9.3.5 資料處理不當導致資料洩漏
9.3.6 僅使用測試集評估模型好壞
9.3.7 在沒有交叉驗證的情況下判斷模型性能
9.3.8 分類問題僅使用準確率作為衡量模型的指標
9.3.9 迴歸問題僅使用 R2 分數評估模型好壞
9.3.10 任何事情別急著想用 AI 解決
第 10 章 模型落地實踐與整合應用
10.1 模型整合與部署
10.1.1 機器學習開發流程回顧
10.1.2 DevOps 與MLOps 概念簡介
10.1.3 如何將模型整合到實際應用中
10.2 儲存訓練好的模型
10.2.1 ONNX 簡介
10.2.2 將scikit-learn 模型輸出為ONNX 格式
10.3 使用ONNX Runtime 進行模型推論
10.3.1 ONNX Runtime 簡介
10.3.2 載入 ONNX 模型並進行推論
10.4 使用FastAPI 建立模型推論服務
10.4.1 FastAPI 框架介紹
10.4.2 Python 後端開發框架比較
10.4.3 撰寫第一個 FastAPI 應用
10.4.4 整合ONNX 模型於API 中
10.4.5 使用Postman 測試API
10.4.6 自動生成 AIP 文件
10.5 網頁推論與前後端整合
10.5.1 環境設定與準備
10.5.2 建立簡單的前端界面
10.5.3 前後端 API 串接
立即查看
華通書坊
