智慧流通與永續管理 (1版)

其他會員也一起購買

【簡介】 1. 全方位智慧流通與永續管理探討 本書共分為兩大篇：第一篇為理論與技術篇，主要將智慧流通相關理論、技術與應用，包含：大數據與人工智慧概論、物聯網技術、機器學習與深度學習等內容，進行系統性的說明與介紹；第二篇為產業應用篇，詳述物聯網（IoT）、大數據（Big Data）與人工智慧（AI）技術，在生產、零售與物流等產業的應用與發展趨勢，以及流通業因應減碳與淨零轉型，實現永續管理與發展目標，使讀者瞭解資料科學（Data Science）與智慧聯網技術（AIoT），在現代化流通與永續管理以及商業模式的運作中發揮的功能、優勢與價值。 2. 中華食品安全管制系統發展協會認證指定教材 中華食品安全管制系統發展協會﹙Chinese HACCP﹚審核通過，指定成為協會在學界與產業界，推動「HACCP智慧流通與永續管理師」與「HACCP智慧食品供應鏈與永續管理師」認證培訓課程的指定教材。同時本會與「英國皇家物流與運輸協會台灣分會(The Chartered Institute of Logistics and Transport in Taiwan, CILT Taiwan)」建立兩會合作與策略聯盟，成立「智慧流通與永續管理認證中心」，共同推動兩會相關智慧流通與永續管理認證課程。 3.學界教學用書 本書將複雜的作業流程及營運模式，以生動活潑、易於明瞭的流程圖，搭配系統文字說明與呈現，給予讀者最佳的學習效果，有助於讀者瞭解智慧流通與永續管理的運作、價值與產業應用。適合食品餐飲業、商業、工業、農業與資訊等相關科系課程之大專院校及研究所師生，做為教學與產業研究的教科書。 4.業界參考書 本書內容涵蓋流通產業在生產、零售、物流與永續管理等領域，從事生產、銷售與營運管理或決策工作，相關資料科學（Data Science）與資通訊技術（ICT）的知識與觀念，適合從事食品、餐飲、生產、零售、物流及資訊等相關產業界人士，充實專業知識及內部教育訓練之參考用書。 【目錄】 第一篇 理論與技術篇 第1章 大數據與人工智慧概論 第2章 物聯網技術與應用 第3章 機器學習 第4章 深度學習 第二篇 產業應用篇 第5章 台灣食品流通冷鏈管理 第6章 工業4.0與智慧生產管理 第7章 零售4.0與智慧零售 第8章 智慧物流管理 第9章 氣候變遷與永續發展目標 第10章 溫室氣體盤查與碳足跡計算

架構資料與機器學習平台｜雲端啟動分析與AI驅動的創新 (1版)

類似書籍推薦給您

【簡介】 　　＊全面掌握雲端資料與AI平台設計關鍵 　　＊實戰導向，靈活運用AWS、Azure、Google Cloud、Snowflake、Databricks 　　＊從基礎到進階，打造符合企業需求的現代化資料平台 　　＊強化資料治理，加速AI/ML創新，驅動決策智慧 　　無論你是資料架構師、工程師，或是希望運用AI強化決策的企業領導者，本書都將成為你打造未來資料與機器學習平台的最佳指南！ 　　在資料驅動的時代，企業該如何善用資料創造價值？ 　　本書由三位資深工程師聯手打造，為雲端架構師與資料專業人士提供了一套清晰完整的解決方案。從雲端資料平台的設計到AI與機器學習的整合，帶您走過資料現代化的每一步。無論是整合分散的資料、實現即時決策，還是利用AI解鎖創新潛力，本書都提供了實用的架構與工具，幫助你在雲端時代保持優勢。 　　「本書完整介紹，如何依據企業組織的策略方向，設計與建置現代雲端資料與ML平台的概念、模式與元件。真希望我能在多年前就能讀到這本書。」 —Robert Sahlin，Mathem資料平台主管 　　所有的雲端架構師都必須知道如何建置資料平台，以賦與企業能夠快速高效地做出資料驅動的決策，並在整個企業範圍內提供智能化服務。本書將展示如何使用AWS、Azure、Google Cloud以及Snowflake與Databricks這類多重雲端工具，設計、建置與現代化雲端原生資料與機器學習平台。 　　作者Marco Tranquillin、Valliappa Lakshmanan與Firat Tekiner使用真實世界企業架構來說明，內容涵蓋從雲端匯入到啟動整個資料生命週期。你將學到如何轉換、保全與現代化資料倉儲與資料湖這些熟悉的解決方案，也將能充份利用最新的AI/ML模式取得精準且快速的洞見，提升競爭優勢。 　　你將學會： 　　＊設計現代化且安全的雲端原生或混合資料分析與機器學習平台 　　＊透過將企業資料整合到治理良好、可擴充的與彈性的資料平台，加速資料導向的創新。 　　＊民主化存取企業資料，治理業務團隊提取洞見方式與建置AI/ML的能力。 　　＊讓您的企業利用串流管道即時決策 　　＊建置MLOps平台，移往預測性與指示性分析   【目錄】 第一章 資料平台現代化：簡介 第二章 資料創新的策略性作法 第三章 設計資料團隊 第四章 遷移框架 第五章 架構資料湖 第六章 企業資料倉儲的創新 第七章 湖倉融合 第八章 串流架構 第九章 混合與邊緣擴展資料平台 第十章 AI應用架構 第十一章 架構ML平台 第十二章 資料平台現代化：模型案例

Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini (1版) (1版)

類似書籍推薦給您

【簡介】 ⭔ 廣告成效為什麼不穩定？ ⭓ 流量越高，等同營收越高？ ⭔ 網站流量下滑 20% 是營收衰退主因？ ⭓ 如何有效追蹤 KOL 發文後成效表現？ ⭔ 新品安排節目置入，為什麼沒訂單？ ✦✧✦ ↑電商營運一定都會遇到這樣的困境↑ 當業務走到成長關鍵期， 行銷管道倍增、素材不缺、報表資料豐富， 但「訊號太多、方向太少」， 導致行銷決策反而更加搖擺…   　　從傳統廣告到數位廣告，從流量思維到數據思維，現今缺的不再是數據，而是看著密密麻麻的圖表，卻無從下手。本書從行銷人、電商營運者、品牌經理的角度出發，教你活用新世代的行銷工具 - Google Looker Studio 搭配各式 AI 工具，解決數據氾濫時代面對的痛點，帶你跨過數位行銷的轉型之路！   　　◤資料太多，卻無從下手？◢ 　　每天盯著 Excel、GA4、後台報表的廣告數據，卻覺得零散難整合？讓 Looker Studio 幫你串接多種資料來源並統一視覺化。本書手把手帶你從零打造專屬行銷儀表板，告別多開分頁、到處比對的日子。   　　◤圖表看不懂、資料解讀不了？◢ 　　你不是沒數據，而是看著複雜圖表不知所措。本書不只教操作，更用行銷人的語言與實務案例，拆解圖表背後的意義，讓視覺化不單只是「好看」，而是能直接驅動決策：該優化哪支廣告、優先哪個商品、調整哪段流量策略。   　　◤不知道怎麼整合 AI 工具？◢ 　　生成式 AI 已改寫分析流程，行銷人除了懂數據、會拉圖表，也要善用 AI（如 Gemini、ChatGPT）自動生成簡報、快速產生公式、加速資料清理，讓 AI 助攻你達成有效的行銷分析。   本書特色   　　選對工具、融入 AI，和我們一起走進資料視覺化的世界，學會讓資料為你說話、為你帶來更好的成績吧！這本書不只是技術操作指南，也不只是數據知識手冊，而是一本專為行銷人量身打造的實戰工具書。   　　你將學到的不僅是「怎麼做」，還包括「為什麼這樣做」與「這樣做能幫你帶來什麼商業價值」。   　　✦行銷導向學習：從「行銷人」的角度出發，全面深入地介紹 Looker Studio 以及相關的 Google 行銷工具，內容涵蓋檔案彙整、資料清理、資料視覺化及雲端儀表板等各階段的重要工具和技巧。   　　✦Paul Wu 的行銷實戰經驗談：書中包含「Paul 經驗分享」及「Paul 操作提醒」等單元，作者將自己多年來的數位行銷和品牌經營經驗和心得毫無保留地傳授給讀者，讓你的行銷決策更加精準有效。   　　✦資料視覺化專案實作：書中以實際電商網站資料為例，指導讀者掌握 Looker Studio 的強大功能，如欄位參數、進階篩選器、下鑽查詢、維度群組、社群視覺元件等，讓讀者能夠充分發揮各項 Google BI 工具的潛力。   　　✦結合 AI 工具：書中巧妙融合了 ChatGPT 與 Gemini 這兩項先進的 AI 工具，協助讀者有效解決資料清理和公式撰寫，提升行銷應用的效率。   　　✦全彩印刷：詳細的操作與視覺化過程，用彩色呈現更能所見即所得。【目錄】 ▍第 0 章 常用 Google 工具開通與匯入資料來源 0.1 存取 Google Analytics 4 示範帳戶 0.2 創建 Google Ads 帳戶 0.3 資料來源匯入步驟說明 - 以 Google Analytic 4 為資料來源進行匯入 - 以 Google Sheets 為資料來源進行匯入 - 以 Microsoft Excel 為資料來源進行匯入 ▍第 1 章 行銷人踏入數據分析第一步 1.1 數據對行銷重要性 1.2 了解分析目的與情境 1.3 數據基礎觀念 - 維度與指標的關係 - 什麼是數據基準（Benchmark）？ 1.4 完善分析流程與框架 1.5 為什麼需要 Looker Studio？ ▍第 2 章 認識 Looker Studio 基礎圖表（一） 2.1 Looker Studio 基礎介紹 - 如何套用範本庫？ - 正確的操作流程 2.2 基礎圖表操作 -資料來源 - 設定正確資料來源 - 資料來源操作注意事項 2.3 基礎工具操作 -報表基礎設置 - 介面概覽與功能介紹 - 第二列工具列功能介紹 - 圖表屬性與資料面板 2.4 基礎圖表操作 -柱狀圖 / 堆疊圖 / 長條圖 - 柱狀圖 - 堆疊圖 - 長條圖 ▍第 3 章 認識 Looker Studio 基礎圖表（二） 3.1 基礎工具操作 -序列圖 - 時間序列圖表 - 走勢圖 - 平滑時間序列圖 3.2 基礎圖表操作 -組合圖 - 組合圖 - 堆疊組合圖 - 設置組合圖 / 堆疊組合圖注意事項 3.3 基礎圖表操作 -圓餅圖 3.4 基礎工具操作 -表格與資料透視表 - 表格 - 內含長條圖的表格 - 內含熱視圖的表格 - 資料透視表 - 含長條圖 / 熱視圖資料透視表 3.5 基礎工具操作 -評量表 / 散佈圖 - 評量表 - 散佈圖 ▍第 4 章 建立篩選器控制數據呈現 4.1 建立下拉式清單 / 固定大小清單 - 下拉式清單 - 固定大小清單 4.2 建立輸入框 4.3 建立進階篩選器 - 建立可設置維度條件的進階篩選器 - 進階篩選器搭配圖表篩選器 - 進階篩選器的 5 種常見分析情境 4.4 建立滑桿 / 核取方塊 / 預設篩選器 - 滑桿 - 核取方塊 - 預設篩選器 4.5 建立日期範圍控制項 - 日期範圍控制項功能特色 - 用日期範圍控制項篩選時序圖 4.6 建立資料控制 / 維度控制項 - 資料控制 - 維度控制項 ▍第 5 章 進階實務操作 (一) 5.1 指標資料類型 5.2 指標匯總功能應用 - 為新增指標建立匯總公式 - 使用內建的匯總函數 - 內建匯總函數整理 5.3 指標的比較計算 - 什麼是比較計算？ - 在總數中所佔的百分比 - 與總數的落差 - 上限所佔百分比 5.4 指標的累計功能 - 累計加總 - 累計最低值 - 累計最高值 - 累計計數 - 累計變量 - 執行百分比差異 5.5 下鑽查詢 5.6 細目維度與維度群組 - 用細目維度呈現數據的組成 - 用維度群組將數據分類 ▍第 6 章 進階實務操作 (二) 6.1 混合資料 -相同資料來源 - 將兩個資料表聯結進一張表格 - 兩資料表的彙整方式 6.2 混合資料 -不同資料來源 - 製作進站流量概況報表 - 資料混合的問題與注意事項 6.3 欄位自訂 - 將欄位值合併出新的維度 - 欄位值字母大小寫轉換 6.4 參數應用 - 參數的資料類型 - 參數允許值（1）-任何值 - 參數允許值（2）-值清單 - 參數允許值（3）-範圍 ▍第 7 章 Looker Studio 常用公式語法 7.1 CASE 條件式的應用與實戰演練 -1.CASE 條件的順序 -2.處理空值（NULL） -3.確保條件的邏輯一致性 7.2 Regex 語法應用與實戰演練 - REGEXP\_EXTRACT() - 其他運用案例 -提取域名 - 正則表達式語法與應用對照表 - REGEXP\_REPLACE() - REGEXP\_MATCH() 7.3 REPLACE() 函數應用 ▍第 8 章 資料視覺化 — 圖表基礎設計 8.1 圖表樣式與基礎功能 - 圖片匯入 - 圖表標題 - 不同系列樣式調整 - 參考線 - 圖表間距 - X、Y 軸範圍值 - 格狀與圖例 - 背景 / 邊框 / 圖表標題 8.2 簡潔清晰的重要性 -1.清晰的圖表標題與註解 -2.去掉多餘的視覺元素 -3.適合的圖表類型 -4.統一且簡單的配色 -5.恰當的字型與大小 -6.合理的佈局與間距 8.3 個人化視覺設計實務觀念解析 -1.分析觀眾類型 -2.設定清晰的圖表目標 -3.控制數據的複雜性 -4.提供適當的註解與標籤 -5.使用適當的語言與專業術語 -6.了解使用者最關心的數據 ▍第 9 章 資料視覺化 — 社群視覺呈現和元件 9.1 動態長條圖 9.2 指標漏斗圖 9.3 指標儀表圖 - 功能特色與應用 - 業績進度追蹤儀表圖 - 廣告花費進度儀表圖 - 調整儀表圖的呈現方式 9.4 字雲圖 ▍第 10 章 三大行銷實務報表應用 10.1 基礎電商營運報表 - 關鍵指標 - 流量圖表 - 產品報表 10.2 進階電商營運報表 - 流量分析報表 - 新舊訪客分析與貢獻 10.3 Meta Ads 素材成效報表 - 匯入 Meta Ads 正確的資料來源 - 製作 Meta Ads 素材成效報表 ▍第 11 章 運用 AI 工具：ChatGPT＋Gemini＋Looker Studio 11.1 運用 ChatGPT 完成數據清理 - 如何將檔案上傳給 ChatGPT 處理 - 解決多個數據來源的格式不統一 - 解決數據不完整或含有錯誤值 - 解決數據冗餘或重複 11.2 Gemini 輔助自動產生簡報 11.3 Gemini 的公式助手 ▍第 12 章 剖析常見五種分析情境 12.1 流量越高，等同營收越高？ - 流量品質問題 - 轉換率過低 - 營收結構等其它影響 12.2 網站流量下滑 20% 是營收衰退主因？ - 內部因素：網站相關的問題 - 外部因素：市場與環境的影響 12.3 廣告成效為什麼不穩定？ - 什麼是「行銷漏斗」？ - 行銷漏斗如何影響電商活動規劃？ 12.4 如何有效追蹤 KOL 發文後成效表現？ - 什麼是 UTM？ - UTM 的核心參數 - UTM 標籤的作用與優勢 - 建立 UTM 標籤與注意事項 12.5 新品安排節目置入，為什麼沒訂單？ - 置入的內容與商品無關聯或吸引力不足 - 節目觀眾與商品目標消費者不同 - 無法引導觀眾採取下一步行動 - 節目對品牌影響力有限 - 缺乏後續的行銷跟進 ▍本書結語

神奇AI探祕: 人工智慧大對決 (1版)

類似書籍推薦給您

【簡介】 ★ 作者印刷親筆簽名頁 ★ ★ 超值附贈大海報：銀河市人工智慧研究所導覽地圖 ★ 在人工智慧快速改變世界的時代，孩子也需要從小認識 AI 透過生動有趣的圖文故事，讓科學知識變得輕鬆又好懂 陪伴孩子在閱讀中開啟對科技與未來世界的好奇與想像 ▍ 驚奇推薦 顏志豪｜兒童文學作家 Tey｜「小學生都看什麼書」版主 ▍ 關於本書 什麼是人工智慧？使用 AI 的正確方式是什麼？ 「人工智慧和元宇宙等尖端技術的起點是人性。」 這是一部結合豐富知識、生動插圖的AI科學的圖文故事， 帶你輕鬆認識人工智慧的原理與應用， 一起探索、思考，開啟屬於未來的全新世界！ 什麼是人工智慧？我們該如何正確使用人工智慧？ 在這場由小男孩「宇宙」與伙伴們展開的科學大冒險中，你將找到所有答案！ 在銀河小學的「金老師科學社」， 某一天，人工智慧機器人「機器玩偶」突然來訪，它希望能和大家成為好朋友。 然而，小男主角宇宙卻第一時間拒絕了它。 金老師看到後提醒孩子們：「如果你們只是一味對立與爭吵， 未來可能真的會誕生攻擊人類的人工智慧！」 就在此時，銀河市工智慧研究所的壞蛋邪惡所長，也正偷偷策劃著危險的陰謀…… 為了阻止壞所長、改變充滿惡意AI的未來， 科學社團的三位小朋友將和金老師一起踏上刺激又驚心動魄的科學冒險！ 你知道人工智慧的原理是什麼嗎？ 你知道生活中有哪些看不見卻一直陪伴你的AI嗎？ 你知道人類與人工智慧，其實能成為互相合作的好夥伴嗎？ 也許孩子不知道答案，其實很多大人也說不清楚！ 這本書由韓國知名認知科學家金相均教授親自帶領， 以最親切的方式解說AI的基礎知識、正確使用方式，以關淤AI科技的應用概念。 喜歡科學的孩子，會再這個故事裡得到更多有趣且多面向的收穫！ 現在就一起走進人工智慧的世界，展開銀河小學的決戰大冒險吧！ ▍ 本書特色 1. 韓國頂尖認知科學家監製，用故事搭配插圖讓孩子輕鬆理解AI科學。 2. 以小學生能懂的語言解釋艱深科技詞彙，閱讀零負擔、知識秒吸收。 3. 透過精彩科幻情節引導孩子思考科技與倫理，理解AI未來的關鍵。 學習領域：科技 議題教育：品格、科技 適讀年齡：8歲以上，附注音 【目錄】 獻給懷抱夢想的孩子 小學生一起學習的人工智慧 序幕 人物角色 第一章 特別的朋友，機器玩偶！ ‧金老師！我有問題 你知道生活中有哪些人工智慧嗎？ 你知道「AI 自動機器人」是什麼嗎？ 第二章 人工智慧背叛人類？艾拉的登場 ‧金老師！我有問題 人工智慧也會有各種情感嗎？ 人工智慧能自主思考和判斷嗎？ 第三章 研究所長的魔掌、機器人軍團的突擊 ‧金老師！我有問題 人工智慧會說謊嗎？ 人工智慧的正確使用方式是什麼呢？ 第四章 突擊研究所，阻擋巨大機器人！ ‧金老師！我有問題 人類和人工智慧能夠成為珍貴的夥伴嗎？ 人類和人工智慧應該建立什麼樣的關係呢？ 尾聲

資安法到ISO 27001的稽核攻防：AI神隊友助力 (2版)

類似書籍推薦給您

【簡介】 章節主題包含： 1.核心業務及其重要性 2.資安政策及推動組織 3.專責人力與經費配置 4.資訊資產盤點風險評估 5.資通系統服務委外辦理 6.資安維護計畫及績效 7.資安防護及控制措施 8.資通系統發展維護安全 9.資安事件通報應變 10.資通系統防護基準檢核 11.圍棋布局 vs. ISO 27001 12.ISO 27001新增控制項 13.ISO 27001證書不等於保證 14.鑑往知來CI X DG X AI 【目錄】 推薦序 1. 核心業務及其重要性 1.1 稽核項目關聯法規 1.2 探討稽核項目變更意義 1.3 稽核經驗分享 1.4 以AI 強化BCP 演練的提案 2. 資安政策及推動組織 2.1 稽核項目關聯法規 2.2 探討稽核項目變更意義 2.3 稽核經驗分享 2.4 以NotebookLM 強化資安政策落實與追蹤 3. 專責人力與經費配置 3.1 稽核項目關聯法規 3.2 資安專職人員的職務內容 3.3 善用AI 提升資通安全教育訓練之籌劃 3.4 一般人員需要對CIA 有概念 3.5 經由比喻更能理解密碼與帳號安全的重要性 3.6 辨識社交工程手法、認識即時通訊的不安全 3.7 常見的惡意軟體與勒索攻擊 3.8 區分個人使用與公務使用的設備責任與規範 3.9 認識IoT 物聯網安全 3.10 面對雲端服務風險應有的認知 3.11 人為疏失與制度防線 3.12 離職交接與內部人員風險 3.13 以NotebookLM 強化制度對應與文件補強 4. 資訊資產盤點風險評估 4.1 稽核項目關聯法規 4.2 探討稽核項目變更意義 4.3 稽核經驗分享 4 -17 4.4 以NotebookLM 或ChatGPT 強化稽核前評估 5. 資通系統服務委外辦理 5.1 稽核項目關聯法規 5.2 探討稽核項目變更意義 5.3 稽核經驗分享 5.4 以NotebookLM 完善設計委外RFP 資安要求 6. 資安維護計畫及績效 6.1 稽核項目關聯法規 6.2 善用AI 進行資安維護計畫滾動修正 6.3 稽核經驗分享 6.4 以NotebookLM 協助滾動修訂資安維護計畫 7. 資安防護及控制措施 7.1 稽核項目關聯法規 7.2 資安防護應辦事項執行原則(教育體系宣導) 7.3 稽核經驗分享 7.4 請ChatGPT 協助判讀檢測報告 8. 資通系統發展維護安全 8.1 稽核項目關聯法規 8.2 探討稽核項目變更意義 8.3 稽核經驗分享 8.4 請ChatGPT 指點OWASP Top 10 開發迷津 8.5 針對SSDLC 的情境化學習 9. 資安事件通報應變 9.1 稽核項目關聯法規 9.2 稽核經驗分享 9.3 請ChatGPT 指點系統日誌管理方案 10. 資通系統防護基準檢核 10.1 對資通系統防護基準有更多認識 10.2 資通系統防護基準之存取控制 10.3 資通系統防護基準之事件日誌與可歸責性 10.4 資通系統防護基準之營運持續計畫 10.5 資通系統防護基準之識別與鑑別 10.6 資通系統防護基準之系統與服務獲得 10.7 資通系統防護基準之系統與通訊保護 10.8 資通系統防護基準之系統與資訊完整性 10.9 以AI 協作開發落實資通系統防護基準要求 10.10 醫療領域資通系統資安防護基準 11. 圍棋布局vs. ISO 27001 11.1 從「金角銀邊」認識ISO 27001 起手式 11.2 一盤棋的每一個戰場都是關注方的投射 11.3 全局意識決定資訊安全管理系統之範圍 11.4 全局視野與戰略協同的資訊安全管理系統 11.5 資訊安全政策之「勢」 11.6 資安目標應具全局價值與可量測性 11.7 風險評鑑如何展開 11.8 文件化資訊控制是資安管理的「一本道」 11.9 運作規劃與控制：積小勝成就資安大勝 11.10 監督、量測、分析及評估 11.11 內部稽核即是進行「階段性全局分析」 11.12 管理審查是資安管理的「收官階段」 11.13 落實「覆盤」精神的矯正預防與持續改善 12. ISO 27001 新增控制項 12.1 ISO 27001:2022 新增11 個控制項 12.2 威脅情資(A.5.7) 12.3 使用雲端服務之資訊安全(A.5.23) 12.4 營運持續之ICT 備妥性(A.5.30) 12.5 實體安全監視(A.7.4) 12.6 組態管理(A.8.9) 12.7 資訊刪除(A.8.10) 12.8 資料遮蔽(A.8.11) 12.9 資料洩露預防(A.8.12) 12.10 監視活動(A.8.16) 12.11 網頁過濾(A.8.23) 12.12 安全程式設計(A.8.28) 13. ISO 27001 證書≠保證 13.1 形式合格≠防禦到位 13.2 資訊備份(A.8.13) 13.3 存錄(A.8.15) 13.4 營運持續之ICT 備妥性(A.5.30) 13.5 監視活動(A.8.16) 13.6 組態管理(A.8.9) 13.7 變更管理(A.8.32) 13.8 使用者端點裝置(A.8.1) 13.9 資料洩露預防(A.8.12) 13.10 網路區隔(A.8.22) 14. 鑑往知來CI × DG × AI 14.1 「農業領域關鍵基礎設施」的資安風險 14.2 資安的前提應先釐清「資料治理」 14.3 農業場域的AI 應用vs.資料治理 14.4 農業AI 與資料契約架構 14.5 可信任AI 14.6 探討ISO 42001 重點控制項與LLM 攻擊模式

全球生成式AI著作權訴訟攻防戰 (2版)

類似書籍推薦給您

【簡介】 【專業推薦】 陳碧莉／台積電副法務長暨首席智權律師 黃欽勇／《大椽-DIGITIMES》暨IC之音董事長 ．新版重點：新增兩則生成式AI合理使用的實體即席判決 ．本書係國內第一本針對迄今全球侵害案例，綜合技術和法律二個角度進行整理分析 　　ChatGPT問世以來，生成式AI熱浪席捲全球，帶來破壞式創新的科技突破，但同時也引發前所未有的著作權爭議。截至目前全球已出現近50起的AI侵權訴訟，涵蓋小說書籍／新聞報導、繪畫／攝影、音樂詞曲、視聽影片乃至開源碼等多元領域，被告多為美國AI大咖如OpenAI、Microsoft、Meta、Google、Nvidia、Midjourney與Anthropic、Perplexity AI等！ 　　訴訟戰火最先集中美國，隨即延燒至英、德、法、加拿大、中國、印度與韓國，而既有著作權法難於規範AI核心爭議，例如：生成式AI產生的內容是衍生著作？AI訓練過程大量爬取資料與向量嵌入轉化是否非法複製？生成式AI前階段資料探勘之複製是否合法？使用RAG會構成侵害？生成式AI的使用者是直接侵權人？生成式AI工具提供者，除直接侵害也構成代理侵害或輔助侵害？刪除CMI違反DMCA法？生成式AI吐出實質相似的內容（AI反芻）是否構成侵害？AI訓練資料是否構成轉化性合理使用？再加上DeepSeek爭餾技術、GPT4o吉卜力（擴散+自迴歸演算）等爭議，反映生成式AI對智財權體制帶來之挑戰！ 　　為呼應最新趨勢，本次改版新增兩則美國加州生成式AI合理使用、一則最新的英國高院與德國慕尼黑地院之實體判決，及一則美國RAG相關之程序判決，期能提供更具價值之參考。 【目錄】 推薦序／陳碧莉 推薦序／黃欽勇 再版序／陳家駿 ◆總論 生成式AI著作權最新爭議 ．從ChatGPT到Grok 3之AI模型爭議談OpenAI指控Deepseek侵權─剽竊 v. 創新？／3 ．GPT-4o吉卜力風格引爆著作之侵權爭議／27 ◆各論 全球生成式AI著作權訴訟案 【美國篇】 『開源碼』 ．全球首宗生成式AI開源碼爭訟 　─OpenAI、微軟與GitHub著作侵權案之程序裁決出爐 　─Doe 1~5 v. OpenAI , Github & Microsoft／53 『卡通畫家和插畫家』 ．插畫家控告Stability生成式AI工具著作侵權案 　─首波程序判決出爐原告鎩羽而歸 　─Andersen et al v. Stability AI, Midjourney & DeviantArt／77 ．插畫家控訴DeviantArt生成式AI著作侵權 　─首輪程序判決被告占上風／90 ．插畫家告Midjourney生成式AI工具著作侵權案 　─原告首戰程序判決吞敗／102 『小說作家』 ．作家控告Meta生成式AI LLaMA著作侵權案首波程序判決兼談Google生成式AI Gemini著作侵權案 　─Kadrey, Silverman & Golden v. Meta Platforms, Inc.／115 　─Leovy v. Google & Zhang v. Google／126 ．美國首宗小說家控告OpenAI生成式AI著作侵權案程序判決出爐─Tremblay v. OpenAI／132 『新聞媒體』 ．美國新聞媒體巨擘控告ChatGPT著作侵權案 　─New York Times v. Microsoft & OpenAI／155 ．紐約時報告微軟／OpenAI訴訟案（一）─原告指控生成式AI逐字抄襲構成侵權／187 ．紐約時報告微軟／OpenAI訴訟案（二）─生成式AI之合理使用抗辯／198 ．新聞媒體控告生成式AI侵害著作權管理資訊案判決─Raw Story v. OpenAI／217 『音樂歌詞』 ．全球首宗音樂出版商控告生成式AI Claude歌詞著作侵權案─Concord Music Group. v. Anthropic／236 『唱片錄音』 ．全球首宗生成式AI錄音著作侵權案 　─美國唱片業巨頭控告SUNO／258 　─UMG, et al, v. Suno & John Does 1-10 　兼談：配音演員聲音著作侵權案Lehrman, Sage v. SLovo／283 『法律資料庫』 ．美國知名法律資料庫控告AI新創著作侵權之即席判決出爐─Thomson Reuters v. Ross／286 『影片與作家』 ．GPU巨擘Nvidia在美國被控侵害YouTube著作權訴訟案 　─Millette（YouTube影片）v. Nvidia 　─Nazemian v. Nvidia; Dubus v. Nvidia／315 【加拿大篇】 ．從加拿大三件著作侵權案 　─談生成式AI訴訟之核心爭辯：向量嵌入 v. 複製&公平使用 　法律資料庫─CanLII v. Caseway AI 　媒體與廣播─Canadian News Media (CBC, The Globe　& Mail et al) v. OpenAI 　新聞廣播媒體─Advance Local Media v. Cohere／334 【歐洲篇】 『圖形影像』 ．英國首宗生成式AI圖形影像智財侵權案─Getty Images v. Stability AI／368 『音樂』 ．歐洲首宗生成式AI著作侵權官司 　─德國音樂仲團GEMA起訴OpenAI和Suno 　─GEMA v OpenAI & Gema v Suno／398 『作家』 ．法國首宗生成式AI之Meta被告著作侵權訴訟案─SNE, SGDL and SNAC v Meta 　兼談歐盟人工智慧法／424 『資料探勘』 ．從生成式AI談德國漢堡法院判決LAION資料探勘構成著作侵權豁免─Kneschke v. LAION e.V.／436 　兼談荷蘭阿姆斯特丹法院案─DPG et al v. HowardsHome／465 【亞洲篇】 ．中國大陸生成式AI首宗著作侵權案 　─北京與廣州法院判決與美國案例比較／470 　兼談江蘇與武漢生成式AI著作侵權案／506 ．印度與韓國之生成式AI著作侵權案─ANI Media v. Open AI; KBA, MBC & SBS v. Naver／510 【我國修法展望】 ．因應生成式AI我國應修改著作權法嗎？─以美國、日本與歐盟模式為例／527 【合理使用最新判決】 ．美國生成式AI侵權訴訟案／543