結構學觀念分析（下冊） (1版)

相關熱銷的書籍推薦給您

【簡介】 本書(上下兩冊)包含 1. 全國各大學土木、建築系期中、期末考較具觀念性的考試試題。 2. 近五年日本土木技師考試試題。 3. 歷年土木、建築高考、特考、二技等入學考試題。 4. 結構學”重要觀念”的剖析。 【目錄】

建築構造圖解教材

相關熱銷的書籍推薦給您

書名：建築構造圖解教材 作者：日本建築學會(張靜惠) 出版社：科技圖書 出版日期：2001/09/00 ISBN：9789576553264 內容簡介 　　本書內容是以日本實際使用建築結構中，選出基本且具普遍性的部分作為範例，特殊結構原則上不列入範圍。本書中所提及的各種結構，都是先從結構形式中挑選出具代表性的構造全貌圖，接著為各部分的詳細解說圖，最後則是從中所衍生出來的結構；希望藉此方向讓讀者更能容易把握。另外，本書圖面皆以清晰易懂的等測投影來表示，故原則上不附帶文稿說明。

建築物裝修隔間工程：看照片輕鬆學(裝修專輯) (1版)

類似書籍推薦給您

書名：建築物裝修隔間工程：看照片輕鬆學（裝修專輯） 作者：謝俊誼 出版社：詹氏 出版日期：2018/05/01 條碼：9789577054968 內容簡介 全面到位 國內第一本隔間施工寫真書 超過1200張以上照片選錄，超過2020個註解精析，看照片輕鬆學裝修專輯正式登場！ 本書包含乾式輕隔間牆 、濕式輕隔間灌漿牆、紅磚隔間牆、木隔間牆四種隔間牆施工照片詳解，並附完整施工流程、施工材料資料，全部照片於第一線施工現場拍攝而成，為工程職人最需要的現場實務書籍。 作者介紹 作者簡介 謝俊誼 宜蘭農工土木測量科、台北工專土木工程科、台北科技大學土木與防災研究所碩士畢業，具甲級建築工程管理技術士、甲級營造工程管理技術士資格，從事建築施工及監造超過25年。 任職： 1. 劉祥宏建築師事務所、宏景聯合建築師事務所超過22年 2. 工程會公共工程施工查核委員 3. 心毅建設有限公司工程顧問 任教： 1. 台北科技大學進修部推廣教育兼任講師 2. 中國文化大學推廣部兼任講師 3. 中國生產力中心工地主任班及回訓班講師 4. 台灣營建研究院工地主任班講師 5. 中華民國營造業工地主任公會工地主任回訓班講師 6. 台北科技大學土木工程系雙師計劃企業講師 7. 明新科技大學土木工程與環境資源系雙師計劃企業講師 8. 中國文化大學人力加值計畫建築工程教育訓練專任講師 9. 內政部營建署公務人員建築工程專業訓練講師 10. 高雄市政府公共工程品質管理研討會講師 11. 內政部公共工程品質研討會講師 12. 永然文化出版公司建築工程教育訓練講師 13. 新北市政府新建工程處公務人員建築工程專業訓練講師 14. 建設公司、營造廠商建築工程教育訓練講師 著作： 1.『鋼筋模板混凝土工程看照片輕鬆學』 詹氏 / 2011 2.『SS建築鋼結構工程看照片輕鬆學』 詹氏 / 2012 3.『連續壁擋土工程看照片輕鬆學』 詹氏 / 2013 4.『SRC鋼骨鋼筋混凝土工程看照片輕鬆學』 詹氏 / 2014 5.『逆打與雙順打工程看照片輕鬆學』 詹氏 / 2014 6.『建築物裝修防水工程看照片輕鬆學』 詹氏 / 2015 7.『220小時工地主任班講義教材』作者之一 內政部營建署 / 2008 8.『32小時工地主任回訓班講義教材』作者之ㄧ 中國文化大學 / 2012 9.『32小時工地主任回訓班講義教材』作者之ㄧ 中華民國營造業工地主任公會 / 2012 10.《探討鋼筋工程施工品質管理及常見缺失》 中國工程師學會高雄市分會 / 2011.9-第19卷第1期 11.《淺談建築工程結構體施工技術》 中華民國營造業工地主任公會 / 2013.6-第25期季刊 12.《建築工程地下室擋土支撐之中間樁開孔處理》 中華民國營造業工地主任公會 / 2014.6-第29期季刊 目錄 前導篇 各項隔間工程施工流程 1.乾式輕隔間牆 2.濕式灌漿隔間牆 3.紅磚隔間牆：先施作結構再砌築磚牆（一般大樓） 4.紅磚隔間牆：先砌磚後施作結構工法（透天厝） 5.木造隔間牆 各式隔間牆特性之綜合比較 1.混凝土牆 2.乾式輕隔間牆 3.濕式灌漿隔間牆 4.紅磚隔間牆 5.木造隔間牆 各項隔間工程施工材料一覽表 施工篇 輕隔間牆 乾式輕隔間牆 墩座施工 骨料組立 單面牆封板＆水電配管 防火材填充＆雙面牆封板 填縫批土 濕式輕隔間灌漿牆 墩座施工 骨料組立 兩次封板＆水電配管 牆內灌漿 填縫批土 紅磚隔間牆 砌築作業 打鑿配管＆粉刷 木隔間牆 骨料組立 封板＆水電配管 填縫批土 缺失篇 乾式輕隔間牆 墩座相關 骨料組立相關 封板相關 填縫批土相關 濕式輕隔間灌漿牆 輕隔間牆與管路或外牆衝突 骨料組立相關 封板相關 灌漿相關 填縫批土相關 紅磚隔間牆 磚牆與設備管路衝突相關 砌築相關 打鑿配管相關

文科生也看得懂的電路學 (2版)

類似書籍推薦給您

【簡介】 只要有興趣，就能看得懂的基礎電路學 這本書是寫給有心瞭解電的初學者或想認真研究電學知識，處於準備階段的人。書中內容已經過篩選，只要具備國中程度，都能看懂本書的說明。 這些重點你記住了嗎？ ．電是一顆一顆的粒子，分成正電與負電。 ．電子移動的方向與電流流動的方向相反。 ．電路是讓電荷循環移動的東西。 ．電阻愈大，電流愈不易通過。 ．電流通過電阻時會發熱。 ．電磁力的強弱取決於磁通密度。 ．磁場的強弱取決於電流大小。 【目錄】 第1章 電路的基本知識 1-1 電是什麼？ 1-2 電的表示方法：前綴詞 1-3 電流是什麼？ 1-4 何謂電位、電壓？ 1-5 何謂電路 1-6 電路圖的畫法 第2章 直流電路 2-1 歐姆定律1：定義 2-2 歐姆定律2：計算方法1 2-3 歐姆定律3：計算方法2 2-4 歐姆定律4：深入研究 2-5 合成電阻之1：串聯 2-6 合成電阻之2：並聯 2-7 合成電阻之3：串並聯 2-8 克希荷夫定律1：電流定律 2-9 克希荷夫定律2：電壓定律 2-10 克希荷夫定律3：計算方法 2-11 惠斯登電橋 2-12 定電壓、定電流、電池 2-13 戴維寧定理 2-14 諾頓定理 2-15 疊加原理 2-16 電阻、電阻率、導電率 2-17 電流的發熱作用、電力、電力量 2-18 最大輸出電力 第3章 電磁學 3-1 電荷、靜電感應、極化 3-2 庫倫定律 3-3 何謂電場 3-4 電力線與電通量 3-5 高斯定律與電通量密度 3-6 電位與等電位面 3-7 極化與電容率 3-8 何謂電容器 3-9 電容器的連接方式（並聯） 3-10 電容器的連接方式（串聯） 3-11 電位能 3-12 磁石的性質、發現電磁力 3-13 磁力線 3-14 弗萊明左手定則 3-15 磁通密度 3-16 安培定律 3-17 必歐沙伐定律 3-18 磁通與磁場的強度 3-19 磁化、磁性物質、磁化率 3-21 磁路 3-22 法拉第定律、楞次定律、弗萊明右手定則 3-23 線圈的物理量（自感） 3-24 電磁能 第4章 交流電路 4-1 何謂交流 4-2 數學補充說明1：三角比 4-3 數學補充說明2：三角函數 4-4 正弦波交流 4-5 交流的物理量1：週期、頻率 4-6 交流的物理量2：弧度、角頻率 4-7 瞬時值的顯示方法 4-8 相位 4-9 平均值 4-10 有效值 4-11 交流與向量 4-12 向量的計算方法 4-13 記號法1：以複數表示向量 4-14 記號法2：複數的計算方法 4-15 記號法3：複數的應用範圍 4-16 交流電路中各元件的作用1：性質 4-17 交流電路中各元件的作用2：計算方法 4-18 組合元件1：RL串聯電路 4-19 組合元件2：RC串聯電路 4-20 交流的電力 4-21 三相交流 第5章 測電 5-1 各種測量儀器 5-2 各種測量法 5-3 測定量的處理方法：有效數字與誤差 5-4 分流器、倍壓器 第6章 過渡現象、非正弦波交流 6-1 何謂過渡現象 6-2 電容器的過渡現象 6-3 何謂非正弦波交流 6-4 非正弦波交流的處理方法

絕對讓你看得懂、寫得好的會考作文 (4版)

類似書籍推薦給您

絕對讓你看得懂、寫得好的會考作文 系列名：悅讀中文 ISBN13：9786263439948 出版社：五南圖書出版 作者：齊格飛 裝訂／頁數：平裝／224頁 規格：23cm*17cm*1.1cm (高/寬/厚) 重量：400克 版次：4 出版日：2023/06/28 內容簡介 本書特色與目標： 1.這是一本會考作文得高分考試指引。 2.認識會考作文出題及評分原則。 3.熟練各種題型、文體的寫作心法。 4.附104～112年會考作文解析。   這是本會考作文的考試引導。包括考試型態與作答方法；會考作文怎麼考？考哪些？如何「回答」比較好？為了達成這樣的目標，本書特色及使用方式如下：   一、本書特色： 全書共五個單元包括： 1.解析會考寫作測驗：包括應試要訣、考試8大闐黑禁區、會考作文出題與評分原則、如何擬定大綱（小恐龍結構法）……等。 2.語詞認知與寫作：包括修辭簡介與練習、文章的開頭、文章的結尾……等。 3.說故事的記敘文：包括什麼是記敘文、如何寫記敘文、分類與寫作方向……等。 4.道心情的抒情文：包括什麼是抒情文、如何寫抒情文、考試會出現的題型……等。 5.談想法的論說文：包括什麼是論說文、寫作要訣……等。 全書還包括齊格飛教你一招、分析歷屆試題；觀摩及分析六級分作文範例、名家作品及模擬寫作等。   二、使用方式： 1.先攤開整張考試地圖：會考作文延續基測作文，介紹會考作文的基本認識和因應策略。 2.打點應有的寫作裝備：面對題目，傳授怎麼寫、寫什麼？如何分析題目、取材及架構文章。 3.熟練駕馭各種文體：不同文體有不同寫作心法，可從本書一一吸收和突破。 4.逐步走出廣度與深度：本書收錄多篇好文，可從中學到好招、妙招，功力倍增。 5.查閱和複習方便迅速：條列重點，以簡要文字提醒寫作陷阱及注意事項。 　 請要求自己多做練習，才能把書上的變成自己的，以實現自己在考場上的完美演出！ 目錄 序 本書編排特色與使用方式 第1回 解析會考寫作測驗………001 一、怎麼寫好文章………002 考試10要訣，航向新世界………004 考試8大闇黑禁區………006 二、 「國中會考作文」出題與評分原則………007 分析歷屆試題………010 觀摩六級分與五級分文章的差異……018 三、文章的結構方法………023 如何擬定大綱………023 小恐龍結構法………024 第2回 語詞認知與寫作………027 一、修辭簡介與練習………028 譬喻………029 排比………033 設問………035 轉化………036 誇飾………038 摹寫………039 映襯………041 二、好用句構寫寫看………043 三、文章的開頭………046 「嗨！就是我」法………046 「是他說的」法………047 「來！我教你」法………048 「敲敲門」法………049 「變形金剛」法………050 四、文章的結尾………051 「統統回到這裡」法………052 「明天會更好」法………054 「盡情轉貼」法………055 第3回 說故事的「記敘文」………057 一、什麼是記敘文……… 058 二、如何寫記敘文………058 三、基本結構………060 四、分類與寫作方向………061 (一)熟練寫「景」、記「人」︵包括寵物︶與描「物」………061 寫景………061 寫人………067 寫物………073 (二)敘「事」類記敘文………078 範文學學看………090 第4回 道心情的「抒情文」………107 一、什麼是抒情文………108 二、如何寫抒情文………108 三、寫抒情文時注意………111 四、考試會出現的題型有兩大類…112 (一)記敘抒情………112 (二．一) 藉物抒情………124 (二．二) 懷人有感………128 (二．三) 觸景……… 135 範文學學看………138 第5回 談想法的「論說文」………153 一、什麼是論說文………154 二、如何寫論說文………154 三、類型………157 (一)說明類………157 (二)評議類………171 (三)雙軌類………174 範文學學看………177 附錄………189 名言佳句參考………190 模擬試題參考………192 一○四年會考寫作測驗解析………193 一○五年會考寫作測驗解析………194 一○六年會考寫作測驗解析………196 一○七年會考寫作測驗解析………198 一○八年會考寫作測驗解析………200 一○九年會考寫作測驗解析………202 一一○年會考寫作測驗解析………205 一一一年會考寫作測驗解析………207 一一二年會考寫作測驗解析……… 210

深度學習的16堂課：CNN + RNN + GAN + DQN + DRL，看得懂、學得會、做得出！

類似書籍推薦給您

內容簡介 Ⓞ 16 堂課引領入門，學得會、做得順的絕佳教材！ Ⓞ最詳盡的深度學習基石書，CNN + RNN + GAN + DQN + DRL 各種模型學好學滿 　　初學者想要自學深度學習 (Deep Learning)，可以在市面上找到一大堆「用 Python 學深度學習」、「用 xxx 框架快速上手深度學習」的書；也有不少書說「請從數學複習起！」，捲起袖子好好探究底層那些數學原理......但過早切入工具的學習、理論的探究，勢必對連深度學習的概念都還一知半解的初學者形成極大的學習門檻： 　　「我連什麼是深度學習？它是如何呈現、被使用的？都還模模糊糊，怎麼一下子就叫我 K Python、K 建模技術、K 數學......了？」 　　「程式號稱再怎麼短，始終還是讓人無感，模型跑出來準確率 95.7% → 96.3%...那就是深度學習的重點？」 　　【精心設計循序漸進 16 堂課，帶你無痛起步！】 　　為了徹底解決入門學習時的混亂感，本書精心設計循序漸進的 16 堂課，將帶你「無痛起步」，迅速掌握深度學習的重點。 　　本書共分成 4 大篇、16 堂課。第 1 篇會利用 4 堂課 (零程式！零數學！) 帶你從深度學習在【機器視覺】、【自然語言處理】、【藝術生成】和【遊戲對局】 4 大領域的應用面看起，這 4 堂課不光是介紹，內容會安插豐富的線上互動網站，讓讀者可以實際上網操作，立刻體驗深度學習各種技術是如何呈現的。不用懂程式、啃理論，本篇適合任何人閱讀，絕對看得懂、做得順，可以對深度學習瞬間有感！ 　　有了第 1 篇這些知識做為基礎，你就可以抱著踏實的心情跟著第 2～4 篇這 12 堂課一一學習 4 大領域背後所用的技術，包括卷積神經網路 (CNN)、循環神經網路 (RNN)、對抗式生成網路 (GAN)、深度強化式學習 (DRL)...等等。學習時我們選擇了馬上就可以動手的 Google Colab 線上開發環境搭配 tf.Keras 框架來實作，閱讀內文時請務必搭配書中提供的範例程式動手演練。期盼透過這 16 堂課的學習，能夠讓學習曲線平滑、順暢，不用迂迴曲折地浪費時間。 　　最後要說明的是，本書所有範例都是最精簡的版本，以方便引領讀者理解 AI 的原理。"師父領進門，修行在個人，AI 才在萌芽階段，以後海闊天空，鼓勵大家不斷精進、勇往直前！"　 目錄 Part01 深度學習簡介－從應用面看起 Ch01 生物視覺與機器視覺 (Biological and Machine Vision) 1.1 生物視覺 (Biological Vision) 1.2 機器視覺 (Machine Vision) 1.3 上 TensorFlow Playground 網站體驗深度學習 1.4 上限時塗鴉 (Quick Draw!) 網站體驗即時的深度學習運算能力 1.5 總結 Ch02 用機器處理自然語言 (Natural Language Processing) 2.1 深度學習 + 自然語言處理 2.2 將語言量化 2.3 Google Duplex 的自然語言功力 2.4 總結 Ch03 機器藝術 (Machine Arts)：對抗式生成網路 (Generative Adversarial Network) 概述 3.1 對抗式生成網路的源起 3.2 經由「計算」生成假的人臉 3.3 風格轉移 (Style transfer) – CycleGAN 3.4 將自己手繪的塗鴉轉換成照片 – cGAN 3.5 憑文字敘述就生成擬真圖片 – StackGAN 3.6 使用深度學習進行影像處理 3.7 總結 Ch04 遊戲對局 (Game-Playing Machines)：Alpha Go、DQN (Deep Q Network)、RL (Reinforcement Learning) 概述 4.1 強化式學習 (Reinforcement Learning) 4.2 深度強化式學習 (Deep Reinforcement Learning) 4.3 深度強化式學習的應用 (一)：電子遊戲 4.4 深度強化式學習的應用 (二)：棋盤類遊戲 4.5 深度強化式學習在真實世界的應用：操控物體 4.6 常用的深度強化式學習模擬環境 4.7 總結 Part02 深度學習的核心概念 - 神經網路 (Neural Network) Ch05 先動手實作！5 行程式體驗神經網路模型 5.1 熟悉 Google Colab 執行環境 5.2 用 tf.Keras 套件建立淺層神經網路 5.3 總結 Ch06 神經網路的基礎：人工神經元和激活函數 6.1 認識生物神經網路 6.2 最早期的神經元：感知器 (Perceptron) 6.3 神經元的激活函數 (Activation Function) 6.4 激活函數的選擇 6.5 總結 Ch07 多神經元組成的神經網路 7.1 輸入層 (Input Layer) 7.2 密集層 (Dense Layer) 7.3 用密集神經網路辨識熱狗堡 7.4 用密集神經網路做多個速食的分類 7.5 回顧第 5 章的範例程式 7.6 總結 Ch08 訓練深度神經網路 8.1 損失函數 (Loss Function) 8.2 藉由訓練讓誤差值最小化 8.2.1 梯度下降法 (Gradient Descent) 8.2.2 學習率 (Learning rate) 8.2.3 批次量 (Batch-Size) 與隨機梯度下降法 (SGD) 8.2.4 從局部最小值 (Local Minimum) 脫離 8.3 反向傳播 (Back Propagation) 8.4 規劃隱藏層與各層神經元的數量 8.5 範例：建構多層神經網路 8.6 總結 Ch09 改善神經網路的訓練成效 9.1 權重初始化 (Weight Initialization) 9.2 解決梯度不穩定的問題 9.3 避免過度配適 (Overfitting) 的技巧 9.4 使用各種優化器 (Optimizer) 9.5 實作：用 tf.Keras 建構深度神經網路 9.6 改試試迴歸 (Regression) 範例 9.7 用 TensorBoard 視覺化判讀訓練結果 9.8 總結 Part03 深度學習的進階技術 Ch10 機器視覺實戰演練 - CNN (Convolutional Neural Network) 10.1 卷積神經網路 (CNN) 10.2 池化層 (Pooling Layer) 10.3 CNN 實作範例 (用 tf.Keras 重現 LeNet-5 經典架構) 10.4 進階的 CNN 技術 (用 tf.Keras 重現 AlexNet 與 VGGNet 架構) 10.5 殘差神經網路 (Residual Network) 10.6 機器視覺的各種應用 10.7 總結 Ch11 自然語言處理實戰演練 (一)：資料預處理、建立詞向量空間 11.1 自然語言資料的預處理 11.2 用 word2vec 建立詞向量空間 11.3 總結 Ch12 自然語言處理實戰演練 (二)：用密集神經網路、CNN 建立 NLP 模型 12.1 前置作業 12.2 進行簡單的資料預處理 12.3 用密集神經網路區分正評、負評 12.4 用 CNN 模型區分正評、負評 12.5 總結 Ch13 自然語言處理實戰演練 (三)：RNN 循環神經網路 13.1 RNN 循環神經網路 13.2 LSTM (長短期記憶神經網路) 13.3 雙向 LSTM (Bi-LSTMs) 13.4 以「函數式 API」建構非序列式 NLP 模型 13.5 總結 Ch14 藝術生成實戰演練 - GAN (Generative Adversarial Network) 14.1 GAN 的基本概念 14.2 《限時塗鴉！》資料集 14.3 建構鑑別器 (Discriminator) 神經網路 14.4 建構生成器 (Generator) 神經網路 14.5 結合生成器與鑑別器, 建構對抗式生成網路 14.6 訓練 GAN 14.7 總結 Ch15 遊戲對局實戰演練 - DRL (Deep Reinforcement Learning)、DQN (Deep Q Network) 15.1 強化式學習 (Reinforcement Learning) 的基本概念 15.2 DQN 的基本概念 15.3 建構 DQN 代理人 15.4 與 OpenAI Gym 環境互動 15.5 DQN 以外的代理人訓練方式 15.6 總結 Part04 AI 與你 Ch16 打造自己的深度學習專案 16.1 探索方向 16.2 晉升更高階的專案 16.3 模型建構流程建議 16.4 軟體 2.0 (Software 2.0) 16.5 通用人工智慧 (AGI) 的進展 16.6 總結 附錄 A 使用 Google 的 Colab 雲端開發環境