書名: 向夕陽敬酒: 生命深秋時的智慧筆記 (2版)
作者: 王浩一
版次: 2
ISBN: 9786267603215
出版社: 有鹿文化
出版日期: 2025/04
頁數: 320
定價: 420
售價: 357
庫存: 已售完
LINE US! 詢問這本書 團購優惠、書籍資訊 等
此書籍已售完,調書籍需2-5工作日。建議與有庫存書籍分開下單

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】 人生永遠沒有最晚的開始 在終點之前,去找到為自己做的事 老了,更能活出不自我設限的人生 一本關於新時代、新老人(New Old)聰明慢老最真摯、鼓舞的書寫! 林蒼生(統一集團前總裁丶三三會顧問) 白明奇(成大醫學院神經學教授、老年學研究所所長) 林安鴻(生生國際(香港)丶家文化研究基金會創辦人) 王曙芳(能量心理治療講師/作家) 人生智樂推薦! 從哀樂中年到智樂老年,優雅發現「第三人生」 從「第二座山」看見應該有的自心映照 深秋初冬之際,是蘇東坡筆下「最是橙黃橘綠時」,提供給現代人中年後的張望與借鏡。中年後的橘色世代,其實是最圓潤大熟的年紀,我們都應該思考如何聰明慢老。 王浩一的誠實書寫,環繞著死亡、孤獨、衰老等種種深秋人生議題。「老人學」是這個時代最迫切需要學習的議題。關於老化所呈現的各種層面應該知道的事,在他筆下,幻化成許多有溫度的小故事,耐人尋味。 本書不僅獻給每個終將邁入深秋的初老族,更對每一個想要重啟人生的我們帶來啟發。準備好人生新行李,老了也無妨。行走天涯,樂活到老,哪怕天涯,後來只是海角一畝菜園,也要孤芳自賞,雅興更高。 初老族該「怎麼讓自己過得幸福」?王浩一的「四個看法」: 一:生活不是規劃的,它是有機的。 舉例爬山,過去會一路朝向最後的山頂風景。現在如果半路巧遇老友,可以停下來敘舊,不急著攻頂。甚至累了,就直接下山,不再執著。 二:生活是覺察與品味細節。 重新定義自己的幸福標準,「察覺」生活中一切的種種小地方,「察覺」旅行中角落裡美好小風景,這就是愛的過程。品味細節吧,即使它很平凡。 三:生活裡偶爾回顧,可以更勇敢。 初老的人,先靜下心往前看,端看著自己「現在走的這條路」,最後通往遺憾?還是滿足?如是有遺憾的疑慮,修正它,如果是滿足,那請更篤定地邁著步伐。 四:生活的美好體驗,隨時開始。 「人生永遠沒有最晚的開始」。生命的每個時期都是年輕的、及時的。這是初老的人,最需要的鼓舞。 年老時要怎麼「成為一個更好的人」?可以遵循「五個法則」: 法則一:忘記,比記得更重要。 老,不足以懼,老是一種重生。此刻該卸下責任重擔,騰出過去生命的成敗糾葛,讓自己變成新的空杯,讓「詩與遠方」開始充滿大心。 法則二:練習,比天分更重要。 退休前,開始前瞻理想老後的自己,以幽默盎然的心態,面對未來生命裡洄瀾或是寂寞。「自在老去、聰明慢老」也需要練習。 法則三:大局,比小節更重要。 別計算自己的「殘值」?要累積自己的「加值」。把自己老後的日子,變成了一種創作,不要再拘泥於過去歲月的小鼻子小眼睛。 法則四:軟,比硬更重要。 軟,就是溫柔的人,也是懂得愛人愛己的人。如此活著的人,面對生命考驗、死亡,都較為自在。常保赤子之心,必有好事發生,這就是信仰。 法則五:割捨,比周全更重要。 人到了中年,要有能力把壞日子過好,找到讓自己快樂的事。不值得你珍惜時,學會放棄,但是該珍惜的,學會珍惜。 【目錄】 推薦序 向人間夕陽敬酒 ◎林蒼生 推薦序 晚安 ◎白明奇 推薦序 生生不已,觀之又觀 ◎林安鴻 推薦序 十一顆相思豆 ◎王曙芳 自序 向每一個夕陽敬酒 第一章:寂寞沙洲冷 第二章:在東嶽殿,上一堂死亡哲學課 第三章:那些古人,他們死前說了什麼 第四章:從古人的貶摘,說說中年後失業 第五章:退休前,前瞻理想老後的自己 第六章:從初老心理到聰明慢老 第七章:他們花二十年的時間在等死 第八章:不想麻煩兒女 第九章:七十歲,我選擇重新開始 第十章:選擇單身,但不排斥兩個人 第十一章:定下自己在這個世界的座標 第十二章:終老時,屋矮不礙雲

為您推薦

人工智慧─商管實務導向暨工程應用經典 (1版)

人工智慧─商管實務導向暨工程應用經典 (1版)

類似書籍推薦給您

【簡介】 本書特色: 本書不以複雜的AI數學模型為出發點,而是聚焦於AI在商管實務、工程應用領域的實際應用與未來趨勢。透過深入剖析當代AI技術,探討企業如何有效整合AI,提升決策效率、優化營運模式,並掌握市場競爭優勢。本書將以實際案例與策略思維為核心,引導讀者理解AI如何驅動商業創新與數位轉型,幫助企業在AI時代制定前瞻性的管理策略。本書全面探討AI的發展歷程、技術演進、應用場景及治理風險,涵蓋AI在各大領域的影響,包括日常生活、自然語言處理、工業、商業、國防、文化創意、ESG 及 SDGs等層面。透過系統化的分析,本書幫助讀者理解AI的核心技術,例如:機器學習、深度學習、Transformer模型、生成對抗網路(GAN)、智慧推薦系統等,並闡述其應用於各行業的實際案例。 書中不僅涵蓋AI的技術層面,還深入探討AI在法律與倫理上的挑戰。例如:數據隱私、決策公平性、監管機制及風險管理,讓讀者能夠從多維度認識AI的潛力與風險。本書特色之一是採取案例分析法,透過全球知名企業與研究機構的AI應用實例,解析AI如何在不同領域發揮價值。例如:Tesla自駕車技術、Netflix內容推薦、Google DeepMind AlphaFold在藥物開發的突破,以及AI在智慧醫療、智慧製造與智慧城市的落實。此外,本書強調AI的倫理與風險治理,討論如何建立負責任的AI(Responsible AI)機制,以確保AI的發展能夠符合社會價值觀並促進可永續發展。 本書的架構清晰,從AI的歷史脈絡出發,逐步帶領讀者了解現代AI的技術基礎,並透過多個領域的應用案例,呈現AI如何改變世界,幫助讀者掌握AI產業的最新趨勢。本書特別適合對AI產業有興趣的學生、研究人員、企業決策者與政策制定者,幫助其理解AI的機遇與挑戰,並為AI相關的未來發展做好準備。 適合對象 1:學術研究與高等教育 本書適合資訊相關學系、商業管理、工業管理、數據科學及AI相關領域的學生與研究人員,作為AI理論與應用的學術參考書。對於希望深入學習AI基礎知識的讀者,本書涵蓋了AI的發展歷史、核心技術與應用範疇,並透過案例解析AI在不同領域的實踐,使學生能夠將AI理論與實務結合。此外,本書提供了AI風險治理與法律監管的最新趨勢,適合作為高等教育AI課程的補充教材,幫助學生理解AI發展的挑戰與未來發展方向。對於從事AI研究的學者而言,本書深入探討AI在自然語言處理、生成對抗網路、機器學習與深度學習等領域的技術演進,並剖析當前AI研究的熱門議題。例如:大型語言模型(LLM)的訓練與應用、多模態AI、強化學習在決策系統的應用等。本書也適合法律、社會學、經濟學等跨學科領域的研究人員,提供AI風險與治理的全方位視角,幫助其理解AI在社會、倫理與監管方面的挑戰,為學術研究提供豐富的背景知識與分析框架。 無論是AI工程師、數據科學家,或是希望跨領域了解AI影響的學者,本書都能提供有價值的知識,幫助讀者掌握AI產業的發展趨勢,並應用AI技術於學術研究與實務領域。 適合對象 2:企業決策者與政策制定者 本書亦適合企業決策者、科技管理者與政府政策制定者,作為AI應用與風險管理的實務指南。AI正在重塑各大產業,從金融、醫療、製造到能源、交通與智慧城市,AI的應用日益擴展,企業管理層需要理解AI如何提升企業競爭力,並制定適合的AI發展戰略。本書透過詳細的產業案例,分析AI如何優化供應鏈管理、提升市場預測準確性、推動智慧製造與自動化,並降低營運成本與風險。此外,本書探討AI在企業決策中的應用。例如:數據驅動決策、智慧行銷與個人化推薦系統的影響,幫助企業主與管理者制定更精確的商業策略。本書不僅著重於 AI技術的應用,更強調如何在企業環境中導入AI,以提高生產力並實現數位轉型,協助企業領導人做出前瞻性的AI佈局。 對於政策制定者而言,本書提供AI監管與倫理治理的全面觀點,涵蓋歐盟《人工智慧法案》(AI Act)、美國AI監管政策、中國AI監督機制等全球AI監管趨勢,幫助政府機構理解如何在AI技術創新與風險控制之間取得平衡。此外,本書探討AI在ESG(環境、社會與治理)與SDGs(聯合國永續發展目標)領域的應用。例如:AI如何提升綠色能源管理、降低碳排放、強化企業社會責任(CSR)與促進永續發展,幫助企業與政府制定長期AI發展策略。企業決策者與政策制定者可以透過本書獲得AI發展的最新趨勢,理解如何將AI技術應用於企業經營與公共政策,並在全球AI競爭格局中保持競爭優勢,推動AI在社會中的負責任應用與永續發展。 【目錄】 第一章 人工智慧的發展過程 1.1 人工智慧的萌芽(1960年代) 1.2 AI發展里程碑 1.3 DeepSeek橫空出世造成顛覆全球AI產業的風暴 第二章 人工智慧在人類日常生活的重大影響案例 2.1 智慧家居與AI物聯網(IoT)技術 2.2 AI在教育與個人學習中的應用 2.3 企業自動化與工作模式改變 2.4 AI在法律與政策決策中的應用 2.5 社群媒體與資訊過濾 2.6 AI詠唱師 第三章 人工智慧在自然語言處理的進展歷程 3.1 自然語言處理從規則走向統計與機器學習 3.2 深度學習驅動NLP進化,多模態AI拓展未來 第四章 人工智慧在工業方面的重大影響案例 4.1 AI已成為工業領域創新與變革的核心動力 4.2 日本富士通數控公司(FANUC):AI工業機器人市場的領先者 4.3 德國西門子(Siemens):AI駕駛列車與智慧鐵路解決方案提供者 4.4 美國通用電氣(General Electric,GE):AI提升工業效率與降低運營成本領航者 4.5 美國John Deere:AI結合農業機械與設備自動化與精準農業先驅者 4.6 台積電(Taiwan Semiconductor Manufacturing Company,TSMC):AI持續部署在全球半導體產業晶圓代工無可撼動之領先地位 第五章 人工智慧在商業上的重大影響案例 5.1 AI已成為驅動商業創新與轉型的核心技術力量 5.2 美國Amazon(亞馬遜):AI幫助亞馬遜在電商和科技領域中更加獨占鰲頭 5.3 美國Tesla(特斯拉):AI推動特斯拉在電動車與科技領域的領導地位 5.4 美國Google(谷歌):AI驅動谷歌在搜尋引擎、雲端運算與智慧服務領域的全球領導地位 5.5 輝瑞(Pfizer):AI重塑藥物研發模式加速創新療法與個人化醫療革命 5.6 阿里巴巴(Alibaba):從電商巨頭到全球AI科技生態系統的領跑者 5.7 鴻海精密(Hon Hai Precision):全球領先的電子製造與科技創新AI企業 第六章 人工智慧在國防方面的重大影響案例 6.1 AI已成為推動國防工業創新與變革的關鍵技術引擎 6.2 美國Anduril Industries:AI助力Anduril在國防科技領域嶄露頭角 6.3 美國Palantir Technologies:AI助力Palantir在數據分析和國防領域領先全球 6.4 美國Shield AI:AI助力Shield AI在自主系統和國防領域領先全球 6.5 美國Saildrone:AI助力Saildrone在自主海洋系統和國防領域領先全球 6.6 日本三菱重工(Mitsubishi Heavy Industries):AI助力三菱重工在國防技術和自主系統領域領先全球 第七章 人工智慧在文化創意方面的重大影響案例 7.1 AI生成藝術與數位畫廊的興起 7.2 AI在電影與影視產業的應用 7.3 AI音樂創作與虛擬音樂人 7.4 AI在文學與劇本創作中的突破 7.5 AI在文化創意產業的應用工具 第八章 人工智慧在SDGs暨ESG方面的重大影響案例 8.1 人工智慧在SDGs(永續發展目標)中的影響 8.2 人工智慧在ESG(環境、社會與治理)中的影響 8.3 SDGs與ESG的跨領域主題 8.4 AI在SDGs與ESG之未來展望 第九章 人工智慧的治理與風險管理 9.1 AI技術的發展與風險 9.2 AI治理的關鍵議題 9.3 主要行業的AI治理框架 9.4 企業如何落實AI風險管理 9.5 全球AI監管趨勢與未來發展 9.6 AI治理的未來發展

原價: 560 售價: 476 現省: 84元
立即查看
證券交易法爭有Way (2版)

證券交易法爭有Way (2版)

類似書籍推薦給您

【簡介】 ✦本書導讀 一、我適合看這本書嗎?   本書撰寫之內容,適用於所有「證券交易法」相關考試,其中又以下列考試為主: ㈠各校考試(包含大學部、法研所) ㈡司法官、律師考試 ㈢高考三級、司特三等、調特三等、地特三等   因此,在爭點的選擇、觀念的編排以及題目的蒐集上,多是圍繞著此三類考試。不過,證交法之考試重點其實具有類似性,欲參加其他證交法考試之讀者,可以先瀏覽該考試近年考古題之考點,再對照本書收錄之爭點,進行針對性的閱讀。 二、我可以如何使用這本書? ㈠本書適合作為打底書   本書雖定位為「爭點書」,然而本質上係將證交法考試上重要的體系概念,以爭點的方式包裝,並一步步向讀者介紹,因此讀者可以放心的將本書作為打底書使用。以爭點模式來呈現,而非如同教科書的理由在於,筆者可以透過「爭點」把該章節中最重要的問題突顯出來,使得讀者可以透過「爭點」掌握「考點」;惟其他介紹性質的體系架構,在考試上仍有可能命題,閱讀時須稍加留意。 ㈡與其他書籍之搭配 1.教科書   本書之內容絕大部分皆有學說、實務見解作為支持,部分內容則搭配筆者個人淺見。考試時應以學說、實務意見為本,以個人見解進一步發展,此時筆者之意見或許可以作為參考,豐富答題素材。由於本書力求簡明,將龐雜的體系概念濃縮為爭點內容,讀者閱讀時如有疑惑,或是想進一步了解,此時可以回歸教科書尋找學者完整的說明。 2.解題書   本書為「爭點」體系書,並於每章結束都附有練習題目,包括至少一題的「詳解」、至少一題的「答題要點」,以及至少一題的「自己動手Try」。若讀者詳實完成練習,則每一章至少有三題的練習機會。若讀者想要更全面地練習證交法之所有考題,建議搭配市面上的解題書作進一步的練習,或是將解題書的內容與本書相對照,找出適合自己的答題深度! ✦核心特色 證之道,真想讀?爭有Way,真好讀!   向楊老師與吉霸老師聯手推出的曠世鉅作《證券交易法爭有Way》終於在廣大讀者們的千呼萬喚下改版啦~   爭點?體系?通通有!   申論?解題?全都要!   一試?法條?不能少! ✧爭點   以問句形式拋磚引玉,引導讀者獨立思考,進而培養考生的問題意識! ✧體系   不同於一般結構鬆散的爭點整理書,本書以體系為主軸、爭點為核心,見樹又見林! ✧申論、解題   輸入了豐富的爭點與體系知識,當然也要練習如何寫題輸出!每個章節至少1題的完整示範,加上至少2題的例題練習,教你運用所學,化輸入為輸出! ✧一試、法條   必讀法條去蕪存菁,必背表格化繁為簡,《附錄:一試爭好讀》助你迎戰考場Boss,通關國考Online,迎接Whole New Life! ✦必買原因 「爭點」只欠這一味,國考上榜 on the way! 想要打好基礎的初學者、本科為非法律系之考生 想要強化基礎的勇者、本科為法律系之考生 想要爭點、體系、解題一步到way的一本書主義者 想要報考司律、法研所、高考三級、各類特考三等的你 千萬別錯過《證券交易法爭有Way》! 透過本書的「問答式爭點+體系」強化基礎,建立屬於自己的體系架構 善用「Tips」與「作者馬後炮」掌握較容易出成考題的重要概念 搭配「題目練習」與「自己動手try」輔佐學習、融會貫通 利用「研深爭點」培養深層思考能力、挑戰自我 就讓《證券交易法爭有Way》助你越讀越對way吧~ 【目錄】 讀者一定要知道的本書特色 1 作者不負責任的證交法學習指南 5 作者超貼心的相關法規、機構整理 7 Chapter 1 證交法之基本概念 爭點1-1 證交法之立法目的為何? 1-3      一、保障投資人:主要目的      二、發展國民經濟:次要目的 爭點1-2 證交法之規範對象、範圍為何?證交法與公司法之關係? 1-4      一、證交法之主要規範對象      二、證交法之規範範圍      三、學者評析 爭點1-3 公開原則是什麼?證交法之規範藍圖? 1-6      一、公開原則      二、證交法之規範藍圖 爭點1-4 現行法有價證券之範圍? 1-8      一、傳統民商法上之有價證券      二、證交法上之有價證券 延深爭點 台灣存託憑證(TDR)是我國的有價證券嗎? 1-14 爭點1-5 投資契約算是有價證券嗎?現行法之規範有何缺失? 1-16      一、投資契約之意義與現行法地位      二、參考美國法下之Howey Test      三、學者評析 Chapter 2 有價證券之募集、發行與私募 爭點2-1 證券市場的基本架構為何? 2-3      一、發行市場(Primary Market)      二、流通市場(Secondary Market)      三、綜合比較 爭點2-2 證交法上的「募集」、「發行」意義為何?可否包含「再次發行」? 2-5      一、募集      二、發行      三、再次發行(又稱「老股承銷」)      四、學者評析      五、綜合比較 爭點2-3 現行有價證券之審查原則為何?證交法第22條「申報生效」有哪三種情形? 2-13      一、現行有價證券募集、發行之審查原則      二、須向主管機關申報生效之三種情形 爭點2-4 私募之基本概念為何?私募之對象與應行程序為何? 2-17      一、私募之基本概念      二、私募之對象與配套      三、私募之應行程序      四、學者評析 爭點2-5 私募得否對不特定人為之?私募之股份可以隨意轉讓嗎? 2-24      一、私募一般性廣告之禁止      二、私募股份轉讓之禁止 爭點2-6 為何公發公司發行新股需要強制股權分散?股權強制分散之政策有何批評? 2-29      一、強制股權分散之基本概念      二、強制股權分散之檢討 Chapter 3 有價證券之買賣 爭點3-1 證券流通市場可分為哪些?創櫃版又是什麼? 3-3      一、公發公司與交易市場      二、證券流通市場之起源      三、我國證券流通市場之發展      四、集中交易市場      五、店頭市場      六、創櫃板之基本概念 爭點3-2 有價證券上市櫃應經哪些流程?主管機關有何監管手段? 3-6      一、集中交易市場      二、店頭市場 爭點3-3 何謂場外交易禁止?有何值得檢討之處? 3-9      一、場外交易禁止      二、違反之效果      三、允許之例外      四、學者評析 爭點3-4 證券商有哪些類型?分別在證券市場上扮演什麼角色? 3-13      一、證券承銷商      二、證券自營商      三、證券經紀商 Chapter 4 公司治理與內部人持股 爭點4-1 現行上市櫃公司之治理模式為何?我國目前又存有哪幾種治理模式? 4-3      一、前言      二、我國之設置現況與現存之三種治理模式 爭點4-2 獨立董事之設置目的與權責為何?獨立董事不獨立會當然解任嗎? 4-6      一、獨立董事之概念      二、獨立董事不獨立會當然解任嗎? 爭點4-3 審計委員會之設置目的為何?有哪些重要規定?學者之評析為何? 4-11      一、審計委員會之概念      二、審計委員會之職權      三、增訂證交法第14條之5第3項      四、學者評析 爭點4-4 個別獨立董事與審計委員會之權限是否競合?雙胞股東會問題如何解決? 4-18      一、問題意識      二、權限重疊誰優先──以雙胞股東會為例 延深爭點 新法下董事代表訴訟有何問題? 4-24 爭點4-5 薪酬委員會之設置目的為何?對我國薪酬決定有何影響? 4-26      一、薪酬委員會之概念      二、我國薪酬法制之變革      三、學者評析 爭點4-6 為什麼要求董監有最低持股比率?未達到時應如何處理? 4-31      一、前言      二、董監最低持股要求      三、未達要求時之處理      四、學者評析 爭點4-7 為什麼要限制內部人、大股東持股轉讓?其持股又受到如何之管制? 4-34      一、前言      二、限制內部人、大股東持股轉讓之立法目的      三、內部人、大股東之持股限制      四、學者評析 Chapter 5 公發公司之管理 爭點5-1 證交法上對於股東會有何特別規範? 5-3      一、股東會之召集與通知      二、特定議案不得以臨時動議提出      三、董監事期滿不改選之處理      四、書面或電子投票 爭點5-2 何謂委託書制度?運作上有何限制或要求? 5-8      一、委託書之概念      二、委託之態樣      三、價購委託書之禁止      四、學者評析 爭點5-3 證交法上對於公司會計與庫藏股有何特別規範? 5-15      一、公司會計之特別規定      二、公司庫藏股之特別規定 爭點5-4 法人股東代表人可否同時當選董事與監察人?違反之效果為何? 5-21      一、前言      二、擴張適用:具控制從屬關係之母子公司      三、違法同時當選董事與監察人之處理 爭點5-5 證交法淡化董監之家族色彩有何規定?董事若因解任人數不足時如何處理? 5-26      一、淡化家族色彩之規定      二、董事解任致人數不足時之處理 延深爭點 公發公司得否以臨時動議解任董事長? 5-29 Chapter 6 股份公開收購之管理 爭點6-1 關於大量取得股權之申報有哪些規定?「大同案」中對股權申報之闡釋為何? 6-3      一、大量取得股權之申報      二、企業併購法之特別規定      三、從「大同案」看企業併購法第27條與證交法第43條之1 爭點6-2 何謂公開收購?何時應採強制公開收購?現行規範是否違憲? 6-8      一、公開收購      二、強制公開收購      三、強制公開收購授權子法規定是否違憲?──憲法法庭112年憲判字第5號判決 爭點6-3 公開收購有何其他重要規定? 6-13      一、向主管機關申報、公告並提出收購能力證明      二、不利條件變更禁止      三、他途收購禁止      四、損害賠償      五、審議委員會與強化資訊揭露      六、隨時撤銷應賣      七、收購數量不足或超過預定數量之處理      八、例外停止公開收購      九、持股過半之股東會召集權限 Chapter 7 公開原則與其民事責任 爭點7-1 證交法第20條第1項證券詐欺之適用範圍為何?責任要件為何? 7-3      一、前言      二、規範目的      三、適用範圍      四、責任性質      五、責任要件 爭點7-2 何謂公開說明書?哪些常見的文件屬之?誰有義務提出或交付? 7-14      一、規範目的      二、常見之說明書與應提出之情形      三、公開說明書之交付與責任要件 爭點7-3 證交法第32條公開說明書不實之適用範圍為何?責任要件為何? 7-18      一、規範目的      二、責任要件 爭點7-4 何謂財務預測?若內容錯誤有何責任? 7-26      一、財務預測(forward-looking statement)之內涵      二、財務預測可能之責任      三、不實之財務預測是否具有重大性而屬主要內容?      四、財務預測之更正與更新 爭點7-5 何謂財務報告?哪些文件應繼續公開? 7-29      一、繼續公開之內涵      二、公司於運作過程中應繼續公開之文件 爭點7-6 證交法第20條第2項、第20條之1資訊不實之客觀要件為何?主觀要件為何? 7-32      一、前言      二、規範目的      三、責任性質      四、責任要件 爭點7-7 證交法第20條之1資訊不實之責任主體為何?請求權人為何? 7-37      一、責任主體與責任類型      二、請求權人 爭點7-8 公開原則之民事責任損害賠償有哪些計算方式?如遲未出售是否與有過失? 7-41      一、前言      二、損害賠償之計算      三、出售時機與投資人與有過失? 延深爭點 公開原則之民事責任──損失因果關係如何認定? 7-45 延深爭點 公開原則之民事責任──是否競合?如何競合? 7-49 延深爭點 證交法第20條之1與第32條責任有何差別?立法上是否妥適? 7-53 Chapter 8 短線交易之規範 爭點8-1 短線交易之規範目的為何?關於內線交易之防止有何規範? 8-3      一、短線交易之規範目的      二、證交法上防堵內線交易之規定 爭點8-2 短線交易之主體、標的為何?何謂短線交易之取得、賣出? 8-5      一、短線交易之主體      二、短線交易之標的      三、短線交易之行為態樣      四、短線交易歸入權之行使 延深爭點 對於大股東與其受益所有人應如何行使短線交易之歸入權? 8-11 爭點8-3 短線交易之具體歸入金額應如何計算? 8-13      一、短線交易之計算原則      二、考試常考變體 Chapter 9 內線交易之規範 爭點9-1 內線交易之保護法益為何?比較法上之發展脈絡為何? 9-3      一、內線交易之保護法益      二、比較法上之發展脈絡      三、我國內線交易之保護法益 爭點9-2 要件一:內線交易之責任主體為何? 9-10      一、該公司之董事、監察人、經理人及依公司法第27條第1項規定受指定代表行使職務之自然人(證交§157-1Ⅰ①)      二、持有該公司之股份超過10%之股東(證交§157-1Ⅰ②)      三、基於職業或控制關係獲悉消息之人(證交§157-1Ⅰ③)      四、喪失前三款身分後,未滿6個月者(證交§157-1Ⅰ④)      五、從前四款所列之人獲悉消息之人(證交§157-1Ⅰ⑤)      六、配偶、未成年子女及利用他人名義持有者(證交157-1Ⅶ) 延深爭點 法人或公開收購人可否構成內線交易? 9-20 爭點9-3 要件二:內線交易之規範客體為何?      要件三:內線交易之行為態樣為何? 9-23      一、要件二:交易客體      二、要件三:行為態樣 爭點9-4 要件四:何謂有重大影響其股票價格之消息? 9-26      一、重大消息      二、學者評析 延深爭點 影子交易是否構成內線交易? 9-29 爭點9-5 要件五:禁止交易之時點如何認定? 9-30      一、前言      二、消息明確      三、消息公開 爭點9-6 要件六:內線交易之防止是否要求因果關係?非相對應買賣是否構成內線交易? 9-37      一、前言      二、主要爭論:「得知消息」與「進行交易」之間是否應具備因果關係?      三、預定交易計畫抗辯之引入?      四、非相對應買賣是否構成內線交易? 爭點9-7 內線交易之請求權人為何?因果關係如何證明?損害賠償如何計算? 9-41      一、責任主體      二、請求權人      三、交易因果關係      四、損害賠償 Chapter 10 操縱市場之責任 爭點10-1 違約交割行為該處罰嗎?實務見解如何限縮解釋? 10-3      一、要件      二、學者評析 爭點10-2 相對委託與沖洗買賣的異同? 10-6      一、相對委託(matched orders)      二、沖洗買賣(wash sale)      三、相對委託與沖洗買賣的差異 爭點10-3 連續買賣有何要件?有無免責抗辯? 10-11      一、主觀要件      二、客觀要件      三、可能之抗辯 爭點10-4 公布不實財務預測,算散布流言或不實資料嗎? 10-17      一、主觀要件      二、客觀要件      三、財務預測等軟性資訊如有不實,是否成立本罪? 爭點10-5 操縱市場的概括條款應如何適用? 10-21      一、操縱市場的概括條款      二、實務見解的限縮解釋 Chapter 11 證交法上之刑事責任 爭點11-1 違反初次公開與繼續公開之刑事責任為何? 11-3      一、公開說明書不實      二、證券詐欺      三、資訊不實 爭點11-2 違反內線交易與操縱市場之刑事責任為何? 11-9      一、內線交易      二、操縱市場 爭點11-3 掏空公司資產之刑事責任為何?與公司法之適用如何調和? 11-15      一、前言      二、非常規交易罪      三、特別背信罪      四、競合 Chapter 12 投保中心 爭點12-1 投保中心為投資人遂行訴訟之依據為何?得進行何種類型之訴訟? 12-3      一、當事人適格      二、裁判費之減免      三、投保中心得進行之訴訟類型 爭點12-2 投保中心訴訟的改革方向為何?學者有何建議? 12-8      一、前言      二、我國與美國之團體訴訟差別      三、學者評析 附錄:一試爭好讀 1

原價: 630 售價: 536 現省: 94元
立即查看
新護理師實力評量(10)微生物及免疫學 (1版)

新護理師實力評量(10)微生物及免疫學 (1版)

類似書籍推薦給您

【簡介】 依考選部命題大綱編寫,配合學校平時考、期中考之舉行,可收循序漸進之復習成效。 以專技高考、二技等考試為依據,使學生熟悉各類考題,難題附解析說明,可在各種大小考試中攻無不克。 【目錄】 第1回 緒論、細菌解剖學、細菌生理學 第2回 細菌的遺傳、滅菌與化學治療、寄生物與宿主之關係 第3回 免疫學(一) 第4回 免疫學(二) 第5回 化膿性球菌、白喉棒狀桿菌與分枝桿菌屬 第6回 第1~5回復習 第7回 革蘭氏陽性帶芽孢桿菌 第8回 腸內桿菌與其他腸內致病菌 第9回 革蘭氏陰性桿菌與其他致病菌 第10回 螺旋菌與放線菌、黴漿菌與L型細菌、立克次菌屬與披衣菌屬 第11回 黴菌學 第12回 第7~11回復習 第13回 噬菌體與病毒之特性 第14回 痘病毒、疱疹病毒、腺病毒與肝炎病毒 第15回 正黏液與副黏液病毒、德國麻疹病毒與冠狀病毒、小RNA病毒 第16回 狂犬病病毒、呼吸道腸道病毒、輪狀病毒、節肢動物媒介病毒、人類免疫缺乏及腫瘤病毒 第17回 寄生蟲學 第18回 第13~17回復習 第19回 總復習 解答及解析

原價: 150 售價: 135 現省: 15元
立即查看
AI視覺:最強入門邁向頂尖高手 王者歸來 (1版)

AI視覺:最強入門邁向頂尖高手 王者歸來 (1版)

類似書籍推薦給您

【簡介】 AI視覺 最強入門邁向頂尖高手 王者歸來【書籍內容】◎ 台灣作者第一本「AI視覺」專書!五大最強亮點 ?1. AI 影像技術全解析,從入門到頂尖高手 ?2. 影像不只是影像,讓 AI 賦予它智慧與靈魂 ?3. 數學、演算法、函數與Python程式,三大學習核心,建立的AI影像專案 ?4. AI 影像應用無極限,打造你的專屬智慧影像系統 ?5. 最完整 AI 視覺學習資源,帶你進入與設計 AI 影像時代◎ AI視覺最強入門,從新手到頂尖高手! 在 AI 影像技術的浪潮下,你是否曾想過,如何讓影像處理不只是單純的圖像變換,而是賦予它智慧,讓程式「看見」並理解世界?本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始,一步步掌握 AI 視覺的核心技術,讓你的影像程式不再只是空洞的代碼,而是充滿靈魂與創意的智慧應用!◎ 這本書,適合誰?  ★ Python & AI 初學者:從影像基礎開始,循序漸進學習。  ★ 影像處理 & OpenCV 愛好者:探索影像創意與高級應用。  ★ 開發者 & 工程師:打造 AI 監控、人臉識別、物件追蹤專案。  ★ 學生 & 研究人員:數學 + 演算法 + OpenCV,全方位掌握 AI 視覺技術。◎ AI 影像技術,從基礎到進階  ★ 影像處理基礎:影像讀取、色彩空間(BGR、RGB、HSV)、影像儲存與計算。  ★ 影像創意與特效:數位浮水印、動態影像(GIF、MP4)、藝術畫作設計。  ★ 影像增強與變換:圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。  ★ AI 影像識別應用:手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。  ★ AI 監控與自動追蹤:動態車道偵測、AI 監控系統、模板匹配物件搜尋。◎ 為什麼選擇這本書?  ★ 獨家「三步驟」學習法:  ★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作,讓你學得深入又靈活應用!  ★ 從基礎到高階 AI 視覺應用,完整解構影像處理技術!  ★ 結合 OpenCV x MediaPipe x Python,打造創新影像應用專案!◎ AI 影像技術,開啟無限可能! 影像處理與 AI 的結合,正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是自動駕駛,AI 視覺技術都是未來不可或缺的核心技能。現在,就是你踏入這個領域的最佳時機!☆立即入手《AI視覺最強入門邁向頂尖高手》,解鎖影像處理的無限可能,讓你的程式擁有真正的智慧與創意!☆ 【目錄】 第1章 影像的讀取、顯示與儲存 1-0 建議閱讀書籍 1-1 程式導入OpenCV 模組 1-1-1 安裝主要模組 1-1-2 擴展模組安裝 1-1-3 導入模組 1-1-4 OpenCV 版本 1-2 讀取影像檔案 1-2-1 影像讀取imread( ) 的語法 1-2-2 可讀取的影像格式 1-3 顯示影像與關閉影像視窗 1-3-1 使用OpenCV 顯示影像 1-3-2 關閉OpenCV 視窗 1-3-3 等待按鍵的事件 1-3-4 建立OpenCV 影像視窗 1-4 儲存影像第2章 認識影像表示方法 2-1 位元影像表示法 2-2 GRAY 色彩空間 2-3 RGB 色彩空間 2-3-1 由色彩得知RGB 通道值 2-3-2 使用RGB 通道值獲得色彩區塊 2-3-3 RGB 彩色像素的表示法 2-4 BGR 色彩空間 2-5 獲得影像的屬性 2-6 像素的BGR 值 2-6-1 讀取特定灰階影像像素座標的BGR 值 2-6-2 讀取特定彩色影像像素座標的BGR 值 2-6-3 修改特定影像像素座標的BGR 值第3章 學習OpenCV 需要的Numpy 知識 3-1 陣列ndarray 3-2 Numpy 的資料型態 3-3 建立一維或多維陣列 3-3-1 認識ndarray 的屬性 3-3-2 使用array( ) 建立一維陣列 3-3-3 使用array( ) 函數建立多維陣列 3-3-4 使用zeros( ) 建立內容是0 的多維陣列 3-3-5 使用ones( ) 建立內容是1 的多維陣列 3-3-6 使用empty( ) 建立未初始化的多維陣列 3-3-7 使用random.randint( ) 建立隨機數內容的多維陣列 3-3-8 使用arange( ) 函數建立陣列數據 3-3-9 使用reshape( ) 函數更改陣列形式 3-4 一維陣列的運算與切片 3-4-1 一維陣列的四則運算 3-4-2 一維陣列的關係運算子運算 3-4-3 陣列切片 3-4-4 使用參數copy=True 複製數據 3-4-5 使用copy( ) 函數複製陣列 3-5 多維陣列的索引與切片 3-5-1 認識axis 的定義 3-5-2 多維陣列的索引 3-5-3 多維陣列的切片 3-6 陣列水平與垂直合併 3-6-1 陣列垂直合併vstack( ) 3-6-2 陣列水平合併hstack( )第4章 認識色彩空間到藝術創作 4-1 BGR 與RGB 色彩空間的轉換 4-2 BGR 色彩空間轉換至GRAY 色彩空間 4-2-1 使用cvtColor( ) 函數 4-2-2 OpenCV 內部轉換公式 4-3 HSV 色彩空間 4-3-1 認識HSV 色彩空間 4-3-2 將影像由BGR 色彩空間轉為HSV 色彩空間 4-3-3 將RGB 色彩轉換成HSV 色彩公式 4-4 拆分色彩通道 4-4-1 拆分BGR 影像的通道 4-4-2 拆分HSV 影像的通道 4-5 合併色彩通道 4-5-1 合併B、G、R 通道的影像 4-5-2 合併H、S、V 通道的影像 4-6 拆分與合併色彩通道的應用 4-6-1 色調Hue 調整 4-6-2 飽和度Saturation 調整 4-6-3 明度Value 調整 4-7 alpha 通道第5章 妙手空空建立影像 5-1 影像座標 5-2 建立與編輯灰階影像 5-2-1 建立灰階影像 5-2-2 編輯灰階影像 5-2-3 使用隨機數建立灰階影像 5-3 建立彩色影像第6章 影像處理的基礎知識 6-1 灰階影像的編輯 6-1-1 自創灰階影像與編輯的基礎實例 6-1-2 讀取灰階影像與編輯的實例 6-2 彩色影像的編輯 6-2-1 了解彩色影像陣列的結構 6-2-2 自創彩色影像與編輯的實例 6-2-3 讀取彩色影像與編輯的實例 6-3 編輯含alpha 通道的彩色影像 6-4 影像感興趣區域的編輯 6-4-1 擷取影像感興趣區塊 6-4-2 建立影像馬賽克效果 6-4-3 感興趣區塊在不同影像間移植 6-5 負片影像處理 6-5-1 負片的基本概念與應用 6-5-2 負片應用在灰階影像 6-5-3 負片應用在彩色影像 6-5-4 ROI 負片處理第7章 從靜態到動態的繪圖功能 7-1 建立畫布 7-2 繪製直線 7-3 畫布背景色彩的設計 7-3-1 單區塊的底部色彩 7-3-2 建立含底色圖案的畫布 7-3-3 漸層色背景設計 7-4 繪製矩形 7-5 繪製圓 7-5-1 繪製圓的基礎知識 7-5-2 隨機色彩的應用 7-6 繪製橢圓或橢圓弧度 7-7 繪製多邊形 7-8 輸出文字 7-8-1 預設英文字輸出 7-8-2 中文字輸出 7-9 反彈球的設計 7-10 滑鼠事件 7-10-1 OnMouseAction( ) 7-10-2 setMouseCallback( ) 7-10-3 建立隨機圓 7-10-4 滑鼠與鍵盤的混合應用 7-11 滾動條的設計 7-12 滾動條當作開關的應用第8章 影像計算邁向影像創作 8-1 影像加法運算 8-1-1 使用add( ) 函數執行影像加法運算 8-1-2 使用數學加法 + 符號執行影像加法運算 8-1-3 加總B、G、R 原色的實例 8-2 遮罩mask 8-2-1 遮罩的基本概念 8-2-2 遮罩的應用場景 8-3 重複曝光技術 8-3-1 影像的加權和觀念 8-3-2 OpenCV 的影像加權和方法 8-4 影像的位元運算 8-4-1 邏輯的and 運算 8-4-2 邏輯的or 運算 8-4-3 邏輯的not 運算 8-4-4 邏輯的xor 運算 8-5 影像加密與解密 8-6 動態影像GIF 設計 8-6-1 移動遮罩的設計與應用 8-6-2 保存為 GIF 動畫 8-7 設計MP4 影片檔案 8-7-1 MP4 檔案設計步驟 8-7-2 MP4 影片實作第9章 閾值處理邁向數位情報 9-1 threshold( ) 函數 9-1-1 基礎語法 9-1-2 二值化處理THRESH_BINARY 與現代情報戰 9-1-3 反二值化處理THRESH_BINARY_INV 9-1-4 截斷閾值處理THRESH_TRUNC 9-1-5 低閾值用0 處理THRESH_TOZERO 9-1-6 高閾值用0 處理THRESH_TOZERO_INV 9-2 Otsu 演算法 9-3 自適應閾值方法adaptiveThreshold( ) 函數 9-4 平面圖的分解 9-5 隱藏在影像內的數位浮水印 9-5-1 驗證最低有效位元對影像沒有太大的影響 9-5-2 建立數位浮水印 9-5-3 取得原始影像的row 和column 9-5-4 建立像素值是254 的提取矩陣 9-5-5 取得原始影像的高7 位影像 9-5-6 建立浮水印影像 9-5-7 將浮水印影像嵌入原始影像 9-5-8 擷取浮水印影像 9-6 動態展示影像處理過程第10章 影像的幾何變換 10-1 認識幾何變換 10-2 影像縮放效果 10-2-1 使用dsize 參數執行影像縮放 10-2-2 使用fx 和fy 執行影像的縮放 10-3 影像翻轉 10-4 影像仿射 10-4-1 仿射的數學基礎 10-4-2 仿射的函數語法 10-4-3 影像平移 10-4-4 影像旋轉 10-4-5 影像傾斜 10-5 影像透視 10-6 重映射 10-6-1 解說map1 和map2 10-6-2 影像複製 10-6-3 垂直翻轉 10-6-4 水平翻轉的實例 10-6-5 影像縮放 10-6-6 影像垂直壓縮 10-7 重映射創意應用 - 波浪效果 10-7-1 波浪效果 10-7-2 設計波浪動畫第11章 影像除噪與平滑技術 11-1 建立平滑影像需認識的名詞 11-1-1 濾波核 11-1-2 影像噪音 11-1-3 刪除噪音 11-2 均值濾波器 11-2-1 理論基礎 11-2-2 像素位於邊界的考量 11-2-3 濾波核與卷積 11-2-4 均值濾波器函數 11-3 方框濾波器 11-3-1 理論基礎 11-3-2 方框濾波器函數 11-4 中值濾波器 11-4-1 理論基礎 11-4-2 中值濾波器函數 11-5 高斯濾波器 11-5-1 理論基礎 11-5-2 高斯濾波器函數 11-6 雙邊濾波器 11-6-1 理論基礎 11-6-2 雙邊濾波器函數 11-7 2D 濾波核 11-8 創意應用 – 圖像油畫效果模擬第12章 數學形態學 12-1 腐蝕(Erosion) 12-1-1 理論基礎 12-1-2 腐蝕函數 12-2 膨脹(Dilation) 12-2-1 理論基礎 12-2-2 膨脹函數dilate( ) 12-3 OpenCV 應用在數學形態學的通用函數 12-4 開運算(Opening) 12-4-1 開運算於AI 視覺場景的應用 12-4-2 開運算的程式應用 12-5 閉運算(Closing) 12-5-1 閉運算與開運算功能差異 12-5-2 閉運算在 AI 視覺中的應用場景 12-5-3 閉運算的程式應用 12-6 形態學梯度(Morphological gradient) 12-6-1 形態學梯度的作用與影響 12-6-2 形態學梯度在 AI 視覺中的場景應用 12-6-3 閉運算的程式應用 12-7 禮帽運算(tophat) 12-7-1 禮帽運算的特色與影響 12-7-2 禮帽運算在 AI 視覺中的場景應用 12-7-3 禮帽運算的程式應用 12-8 黑帽運算(blackhat) 12-8-1 黑帽運算的特色與影響 12-8-2 黑帽運算在 AI 視覺中的場景應用 12-8-3 黑帽運算的程式應用 12-9 核函數第13章 影像梯度與邊緣偵測 13-1 影像梯度的基礎觀念 13-1-1 直覺方法認識影像邊界 13-1-2 認識影像梯度 13-1-3 機器視覺 13-2 OpenCV 函數Sobel( ) 13-2-1 Sobel 運算子 13-2-2 使用Sobel 運算子計算x 軸方向影像梯度 13-2-3 使用Sobel 運算子計算y 軸方向影像梯度 13-2-4 Sobel( ) 函數 13-2-5 考量ddepth 與取絕對值函數convertScaleAbs( ) 13-2-6 x 軸方向的影像梯度 13-2-7 y 軸方向的影像梯度 13-2-8 x 軸和y 軸影像梯度的融合 13-3 OpenCV 函數Scharr( ) 13-3-1 Scharr 算子 13-3-2 Scharr( ) 函數 13-4 OpenCV 函數Laplacian( ) 13-4-1 二階微分 13-4-2 Laplacian 運算子 13-4-3 Laplacian( ) 函數 13-5 Canny 邊緣檢測 13-5-1 認識Canny 邊緣檢測 13-5-2 Canny 演算法的步驟 13-5-3 Canny( ) 函數 13-6 灰階圖像在邊緣檢測中的優勢第14章 影像金字塔 14-1 影像金字塔的原理 14-1-1 認識層次(level) 名詞 14-1-2 基礎理論 14-1-3 濾波器與採樣 14-1-4 高斯濾波器與向下採樣 14-1-5 向上採樣 14-1-6 影像失真 14-2 OpenCV 的pyrDown( ) 函數 14-3 OpenCV 的pyrUp( ) 函數 14-4 採樣逆運算的實驗 14-4-1 影像相加與相減 14-4-2 反向運算的結果觀察 14-5 拉普拉斯金字塔(Laplacian Pyramid, LP) 14-6 影像金字塔的應用與老照片修復實作 14-6-1 影像金字塔的應用 14-6-2 修復老舊照片原理解釋 14-6-3 實作老照片修復第15章 輪廓的檢測與匹配 15-1 影像內圖形的輪廓 15-1-1 找尋圖形輪廓findContours( ) 15-1-2 繪製圖形的輪廓 15-2 繪製影像內圖形輪廓的系列實例 15-2-1 找尋與繪製影像內圖形輪廓的基本應用 15-2-2 認識findCountours( ) 函數的回傳值contours 15-2-3 輪廓索引contoursIdx 15-2-4 輪廓的外形與特徵提取 15-2-5 輪廓內有輪廓 15-2-6 繪製一般影像的圖形輪廓 15-2-7 輪廓動畫 15-3 輪廓層級Hierarchy 15-3-1 輪廓層級的基本觀念 15-3-2 檢測模式RETR_EXTERNAL 15-3-3 檢測模式RETR_LIST 15-3-4 檢測模式RETR_CCOMP 15-3-5 檢測模式RETR_TREE 15-3-6 輪廓層級的創意場景 15-4 輪廓的特徵 – 影像矩(Image moments) 15-4-1 矩特徵moments( ) 函數 15-4-2 基礎影像矩推導 – 輪廓質心 15-4-3 影像矩實例 15-4-4 計算輪廓面積 15-4-5 計算輪廓周長 15-5 輪廓外形的匹配 – Hu 矩 15-5-1 OpenCV 計算Hu 矩的函數 15-5-2 第0 個Hu 矩的公式驗證 15-5-3 輪廓匹配 15-6 再談輪廓外形匹配 15-6-1 建立形狀場景距離 15-6-2 Hausdorff 距離第16章 輪廓擬合與凸包的相關應用 16-1 輪廓的擬合 16-1-1 矩形包圍 16-1-2 最小包圍矩形 16-1-3 最小包圍圓形 16-1-4 最優擬合橢圓 16-1-5 最小包圍三角形 16-1-6 近似多邊形 16-1-7 最優擬合直線 16-2 凸包 16-2-1 獲得凸包 16-2-2 凸缺陷 16-3 輪廓的幾何測試 16-3-1 測試輪廓包圍線是否凸形 16-3-2 計算任意座標點與輪廓包圍線的最短距離 16-4 創意應用第17章 輪廓的特徵 17-1 寬高比(Aspect Ratio) 17-2 輪廓的極點 17-2-1 認識輪廓點座標 17-2-2 Numpy 模組的argmax( ) 和argmin( ) 函數 17-2-3 找出輪廓極點座標 17-3 Extent 17-4 Solidity 17-5 等效直徑(Equivalent Diameter) 17-6 遮罩和非0 像素點的座標訊息 17-6-1 使用Numpy 的陣列模擬獲得非0 像素點座標訊息 17-6-2 獲得空心與實心非0 像素點座標訊息 17-6-3 使用OpenCV 函數獲得非0 像素點座標訊息 17-7 找尋影像物件最小值與最大值與他們的座標 17-7-1 從陣列找最大值與最小值和他們的座標 17-7-2 影像實作與醫學應用說明 17-8 計算影像的像素的均值與標準差 17-8-1 計算影像的像素均值 17-8-2 影像的像素均值簡單實例 17-8-3 使用遮罩觀念計算像素均值 17-8-4 計算影像的像素標準差 17-9 方向 17-10 輪廓動態創意設計 17-10-1 圓形輪廓動畫 17-10-2 不規則外形的外框收縮 17-10-3 動畫標記像素點第18章 自動駕駛車道檢測 18-1 霍夫變換的基礎原理解說 18-1-1 認識笛卡兒座標與霍夫座標 18-1-2 映射 18-1-3 認識極座標的基本定義 18-1-4 霍夫變換與極座標 18-2 HoughLines( ) 函數 18-3 HoughLinesP( ) 函數 18-4 霍夫圓環變換檢測 18-5 高速公路車道檢測 18-5-1 高速公路車道檢測 18-5-2 優化版的車道檢測 - 均值左右車道線第19章 直方圖均衡化 - 增強影像對比度 19-1 認識直方圖 19-1-1 認識直方圖 19-1-2 正規化直方圖 19-2 繪製直方圖 19-2-1 使用matplotlib 繪製直方圖 19-2-2 使用OpenCV 取得直方圖數據 19-2-3 繪製彩色影像的直方圖 19-2-4 繪製遮罩的直方圖 19-3 直方圖均衡化 19-3-1 直方圖均衡化演算法 19-3-2 直方圖均衡化equalizeHist( ) 19-3-3 直方圖均衡化應用在彩色影像 19-4 限制自適應直方圖均衡化方法 19-4-1 直方圖均衡化的優缺點 19-4-2 直方圖均衡化的缺點實例 19-4-3 自適應直方圖函數createCLAHE( ) 和apply( ) 函數 19-5 區域化直方圖增強技術第20章 模板匹配Template Matching 20-1 模板匹配的基礎觀念 20-2 模板匹配函數matchTemplate( ) 20-2-1 認識匹配函數matchTemplate( ) 20-2-2 模板匹配結果 20-2-3 TM_SQDIFF_NORMED 模板匹配結果 20-3 單模板匹配 20-3-1 回顧minMaxLoc( ) 函數 20-3-2 單模板匹配的實例 20-3-3 找出比較接近的影像 20-3-4 多目標匹配的實例 20-3-5 在地圖搜尋山脈 20-3-6 計算距離最近的機場 20-4 多模板匹配第21章 傅立葉(Fourier) 變換 21-1 數據座標軸轉換的基礎知識 21-2 傅立葉基礎理論 21-2-1 認識傅立葉(Fourier) 21-2-2 認識弦波 21-2-3 正弦函數的時域圖與頻率域圖 21-2-4 傅立葉變換理論基礎 21-3 使用Numpy 執行傅立葉變換 21-3-1 實作傅立葉變換 21-3-2 逆傅立葉變換 21-4 訊號與濾波器 21-4-1 高頻訊號與低頻訊號 21-4-2 高通濾波器與低通濾波器 21-5 使用OpenCV 完成傅立葉變換 21-5-1 使用dft( ) 函數執行傅立葉變換 21-5-2 使用OpenCV 執行逆傅立葉運算 21-5-3 低通濾波器 21-6 低通濾波器的藝術創作第22章 影像分割使用分水嶺演算法 22-1 影像分割基礎 22-2 分水嶺演算法與OpenCV 官方推薦網頁 22-2-1 認識分水嶺演算法 22-2-2 OpenCV 官方推薦網頁 22-3 分水嶺演算法步驟1 – 認識distanceTransform( ) 22-4 分水嶺演算法步驟2 – 找出未知區域 22-5 分水嶺演算法步驟3 – 建立標記 22-6 完成分水嶺演算法 22-7 分水嶺演算法專案 – 複雜圖像分割第23章 影像擷取 23-1 認識影像擷取的原理 23-2 OpenCV 的grabCut( ) 函數 23-3 grabCut( ) 基礎實作 23-4 自定義遮罩實例 23-5 影像擷取創意應用 23-5-1 更換影像背景 23-5-2 模糊背景凸顯主題第24章 影像修復- 搶救蒙娜麗莎的微笑 24-1 影像修復的演算法 24-1-1 Navier-Stroke 演算法 24-1-2 Alexander 演算法 24-1-3 Navier-Strokes 與Alexander 演算法的比較 24-2 影像修復的函數inpaint( ) 24-3 修復蒙娜麗莎的微笑 24-4 局部修復圖像第25章 辨識手寫數字 25-1 認識KNN 演算法 25-1-1 數據分類的基礎觀念 25-1-2 手寫數字的特徵 25-1-3 不同數字特徵值的比較 25-1-4 手寫數字分類原理 25-1-5 簡化特徵比較 25-2 認識Numpy 與KNN 演算法相關的知識 25-2-1 Numpy 的ravel( ) 函數 25-2-2 Numpy 的flatten( ) 函數 25-2-3 數據分類 25-2-4 建立與分類30 筆訓練數據 25-3 OpenCV 的KNN 演算法函數 25-3-1 基礎實作 25-3-2 更常見的分類 25-4 有關手寫數字識別的Numpy 基礎知識 25-4-1 vsplit( ) 垂直方向分割數據 25-4-2 hsplit( ) 水平方向分割數據 25-4-3 元素重複repeat( ) 25-5 識別手寫數字 25-5-1 實際設計識別手寫數字 25-5-2 儲存訓練和分類數據 25-5-3 下載訓練和分類數據第26章 OpenCV 的攝影功能 26-1 啟用攝影機功能VideoCapture 類別 26-1-1 初始化VideoCapture 26-1-2 檢測攝影功能是否開啟成功 26-1-3 讀取攝影鏡頭的影像 26-1-4 關閉攝影功能 26-1-5 讀取影像的基礎實例 26-1-6 影像翻轉 26-1-7 保存某一時刻的幀 26-2 使用VideoWriter 類別執行錄影 26-3 播放影片 26-3-1 播放所錄製的影片 26-3-2 播放iPhone 所錄製的影片 26-3-3 灰階播放影片 26-3-4 暫停與繼續播放 26-3-5 更改顯示視窗大小 26-4 認識攝影功能的屬性 26-4-1 獲得攝影功能的屬性 26-4-2 設定攝影功能的屬性 26-4-3 顯示影片播放進度 26-4-4 裁剪影片 26-5 車道辨識影片專題 26-5-1 取得車道辨識影片 26-5-2 車道辨識影片程式實作第27章 認識物件偵測原理與資源檔案 27-1 物件偵測原理 27-1-1 階層分類器原理 27-1-2 Haar 特徵緣由 27-1-3 哈爾特徵原理 27-2 找尋OpenCV 的資源檔案來源 27-3 認識資源檔案 27-4 人臉的偵測 27-4-1 臉形階層式分類器資源檔 27-4-2 基礎臉形偵測程式 27-4-3 史上最牛的物理科學家合照 27-5 偵測側面的人臉 27-5-1 基礎觀念 27-5-2 側面臉形偵測 27-6 路人偵測 27-6-1 路人偵測 27-6-2 下半身的偵測 27-6-3 上半身的偵測 27-7 眼睛的偵測 27-7-1 眼睛分類器資源檔 27-7-2 偵測雙眼實例 27-7-3 偵測左眼與右眼的實例 27-8 偵測貓臉 27-9 俄羅斯車牌辨識 27-10 AI 監控系統設計專題 27-10-1 圖像人臉標記 27-10-2 影片人臉標記 27-10-3 影片人臉標記用MP4 紀錄過程 27-10-4 AI 監控系統設計第28章 攝影機與人臉檔案 28-1 擷取相同大小的人臉存檔 28-2 使用攝影機擷取人臉影像 28-3 自動化攝影和擷取人像 28-4 半自動拍攝多張人臉的實例 28-5 全自動拍攝人臉影像第29章 人臉辨識 29-1 LBPH 人臉辨識 29-1-1 LBP(Local Binary Patterns)基本概念 29-1-2 LBPH(Local Binary Patterns Histograms)步驟 29-1-3 LBPH 用於人臉辨識的優點 29-1-4 LBPH 可能的侷限性 29-1-5 LBPH 函數解說 29-1-6 簡單的人臉辨識程式實作 29-1-7 繪製LBPH 直方圖 29-1-8 人臉識別實務 – 儲存與開啟訓練數據 29-1-9 結論 29-2 Eigenfaces 人臉辨識 29-2-1 Eigenfaces 原理思維 29-2-2 「Eigenfaces」如何表示臉部 29-2-3 優點與侷限 29-2-4 Eigenfaces 函數解說 29-2-5 簡單的人臉辨識程式實作 29-2-6 結論 29-3 Fisherfaces 人臉辨識 29-3-1 緣由與目標 29-3-2 主要步驟 29-3-3 Fisherface 與 Eigenfaces 的比較 29-3-4 Fisherfaces 函數解說 29-3-5 簡單的人臉辨識程式實作 29-3-6 總結 29-4 專題實作 - 建立員工人臉識別登入系統 29-4-1 建立與訓練人臉資料庫 – ch29_6.py 29-4-2 員工人臉識別 – ch29_7.py 29-5 專題實作 - AI 監控與人臉辨識第30章 建立哈爾特徵分類器- 車牌辨識 30-1 準備正樣本與負樣本影像資料 30-1-1 準備正樣本影像 – 含汽車車牌影像 30-1-2 準備負樣本影像 – 不含汽車車牌影像 30-2 處理正樣本影像 30-2-1 將正樣本影像處理成固定寬度與高度 30-2-2 將正樣本影像轉成bmp 檔案 30-3 處理負樣本影像 30-4 建立辨識車牌的哈爾(Haar) 特徵分類器 30-4-1 下載建立哈爾特徵分類器工具 30-4-2 儲存正樣本影像 30-4-3 儲存負樣本影像 30-4-4 為正樣本加上標記 30-4-5 設計程式顯示標記 30-5 訓練辨識車牌的哈爾特徵分類器 30-5-1 建立向量檔案 30-5-2 訓練哈爾分類器 30-5-3 建立哈爾特徵分類器資源檔 30-6 車牌偵測 30-7 心得報告第31章 車牌辨識 31-1 擷取所讀取的車牌影像 31-2 使用Tesseract OCR 執行車牌辨識 31-3 偵測車牌與辨識車牌 31-4 二值化處理車牌 31-5 形態學的開運算處理車牌 31-6 車牌辨識心得第32章 MediaPipe 手勢偵測與應用解析 32-1 MediaPipe 是什麼 32-1-1 Google 的影像處理解決方案 32-1-2 為什麼要用 MediaPipe 32-2 初探 MediaPipe Hands 模組 32-2-1 MediaPipe Hands 功能概覽 32-2-2 21 個關鍵點的座標定義與排列 32-2-3 如何判斷手勢 32-2-4 偵測手勢的原理 32-3 剪刀、石頭、布的程式設計思路 32-3-1 手指伸直判斷 32-3-2 程式流程規劃 32-3-3 與 OpenCV 的整合繪製 32-4 偵測手語繪製關節 32-4-1 初始化MediaPipe Hands 物件 32-4-2 建立Hands 物件 32-4-3 hands.process( ) 函數用法 32-4-4 mp_drawing.draw_landmarks( ) 函數用法 32-5 專題實作 - 剪刀、石頭與布附錄A OpenCV 函數、名詞與具名常數索引表

原價: 1280 售價: 1152 現省: 128元
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)

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

原價: 780 售價: 702 現省: 78元
立即查看