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

Python量化研究實作：Deepnote雲端平台應用 (1版)

類似書籍推薦給您

【簡介】 ⊙理論與實作兼具，從基礎概念→分析步驟→報表解讀與製作，主題式手把手教學與說明。 ⊙應用雲端平台即時分析、評論與協作完成分析專案。 ⊙分析歷程透明化且支持重現分析與線上展示成果。 ⊙可整合大數據分析與次級資料應用。 ⊙內容包含效度與信度分析、描述統計、平均數差異與變異數分析、相關與迴歸、中介與調節效應、結構方程模式等，為研究者提供有力支持。 ⊙本書附範例資料檔，至五南官網https://www.wunan.com.tw/，搜尋書號1H3S即可找到下載處。 本書旨在引導讀者從概念到實作，整合常用統計方法，分為「基礎概念、分析步驟、報表解讀與製作」三大部分說明，並附有練習題加強實務能力。書中範例也提供數據與程式碼下載，幫助讀者快速上手，提升學習效率。 內容適用範圍廣泛，無論是學位論文、期刊論文，還是專題報告與數據分析，都能為研究者提供有力支持。對於初學者，書中簡要解釋專有名詞與統計分析策略，能幫助快速入門；對於進階使用者，Python的多元擴展性與視覺化圖示則為更深入的分析需求提供強大助力。 ※本書另有線上課程，可透過系統化地引導閱聽者從概念到實作，容易聚焦與跟著實作學習。（課程相關資訊，可至五南線上學院官網https://www.wunan.com.tw/tch_home查詢） 【目錄】 Chapter01　Python整合開發環境：Deepnote雲端平台介紹 一、前言 二、Deepnote分析平台介紹 三、Deepnote基本操作 四、探索性數據分析與數據清理簡介 Chapter02　量化研究的概念 一、量化研究流程 二、量化研究架構 三、變數測量的類型 四、統計分析方式基本概念 五、數據來源 Chapter03　量化研究問卷設計 一、量化研究問卷設計要考量什麼 二、數據編碼簿與編碼 三、研究問卷、編碼簿與編碼作業 Chapter04　問卷量表的效度與信度分析 一、概念 二、範例說明 三、探索性因素分析 四、驗證性因素分析 Chapter05　描述統計 一、概念 二、範例說明 三、變數描述統計的次數與百分比 四、變數描述統計的平均數、標準差、最小值、中位數與最大值 五、數學運算 六、數值轉換與重新編碼 Chapter06　平均數差異與變異數分析 一、概念 二、單一樣本t檢定 三、獨立樣本t檢定 四、相依樣本t檢定 五、單因子變異數分析 六、單因子重複量數變異數分析 七、二因子變異數分析：交互作用不顯著 八、二因子變異數分析：交互作用顯著 九、二因子變異數混合設計分析 Chapter07　相關與迴歸 一、概念 二、範例說明 三、Pearson 積差相關 四、多元迴歸分析 五、階層迴歸分析 Chapter08　中介與調節效應 一、概念 二、範例說明 三、簡單中介效應分析 四、簡單調節效應分析 五、PROCESS Macro中介效應分析 六、PROCESS macro中介調節效應分析 Chapter09　結構方程模式 一、概念 二、範例說明 三、結構方程模式 參考文獻

科技合約教戰手冊—處理雲端運算協議、軟體授權以及其他IT合約的法務及業者實用方針 (1版)

類似書籍推薦給您

【簡介】 　　《科技合約教戰手冊》是由美國頂尖律訓專家David Tollen撰寫，匯集其數十年來為矽谷科技人士進行的培訓精華。作者將IT合約清楚劃分為四大類型：用戶端部署軟體（On-premise）、雲端服務（Cloud Service）、IT專業服務和IP轉讓，並詳細指導讀者如何撰寫工作說明書（SOW）、服務水準協議（SLA），同時探討如何修改最常引起爭議的條款，包括保密與資料保護、保證、補償與責任限制等，並從供應商和客戶的不同風險角度提供談判策略。 　　中文版特別提供中英對照條文，不僅方便實務工作者在國際商務場合中直接應用，對於想要了解軟體相關法律議題的讀者來說，也是一本結構完整、最適合入門的參考讀物。 【目錄】 推薦序　王偉霖　1 推薦序　黃絜　5 推薦序　周逸濱　7 譯序　9 簡目　13 細目　15 關於作者　23 導論　1 本書主題：IT合約種類　3 合約與本書的架構　5 使用本書的訣竅　6 一點行業用語（尤其是關於雲端服務）　8 簽約前應謹記在心的三件事　10 第I章 核心條款　15 A.終端使用者授權簡易版，用戶端部署軟體　15 B.軟體授權經銷合約簡易版　21 C.一般軟體授權　27 D.訂閱雲端服務　43 E.提供專業服務　50 F.移轉IP 所有權：轉讓與職務著作　60 G.付款方式　77 第II章 一般條款　91 A.規格　91 B.服務水準協議（SLA）　98 C.維護工作，包括更新與升級　111 D.文件編制　114 E.時程、合作與前提　117 F.交付成果：驗收合格與智財權　122 G.經銷或轉售最低義務　130 H.保密條款　133 I.營運持續，包括災難復原　146 J.資料管理、隱私與安全　149 K.保證　189 L.補償義務　218 M.責任限制　257 N.違約金　276 O.稽核軟體使用與收費狀況　280 P.技術託管　285 Q.外包事項介入權　305 R.財務穩定性　313 S.使用商標　316 T.關於意見反應的權利　319 U.競業禁止與員工挖角禁止　325 V.期間與終止　333 W.過渡期協助義務　346 X.爭議解決機制，包括調解與仲裁　350 Y.轉讓、控制權變更與分割　359 Z.其他　371 第III章 制式條款　373 A.介紹與前言　373 B.定義　375 C.獨立承包商　376 D.適用法律與管轄法院　377 E.通知　379 F.政府權利的限制　380 G.技術出口　384 H.不可抗力　386 I.條款可分離性　388 J.不代表棄權　389 K.破產權利　390 L.附件內容衝突　391 M.複本簽署　394 N.文意解釋　395 O.禁制令　396 P.網路制式語言　398 Q.完整合意　399 R.修訂　401 附錄 附錄1　談智慧財產權　409 附錄2　談開源軟體授權　415 附錄3　談「點擊同意」、「閱覽同意」以及其他「非書面」合約　431 附錄4　談網路政策　435 微型詞彙表　451 索引（按字母排列）　453

AI + ESP32-CAM + AWS：物聯網與雲端運算的專題實作應用 (1版)

類似書籍推薦給您

【簡介】 整合最熱門的 AI、物聯網與雲端運算 以 AWS 整合 ESP32-CAM 為例，進行車牌辨識實作！ 本書的內容主要結合了三大元素：人工智慧、物聯網設備與雲端運算。隨著人工智慧的爆發式成長，人工智慧的應用已經遍及影像、影片、聲音、對話、文章等領域，而公有雲已經將人工智慧的開發或是應用封裝成完善的服務，對於人工智慧的模型開發者或是應用開發者而言，只需要去熟悉、了解開發框架，就可以快速應用人工智慧的技術；不需要再花時間在購買GPU，安裝驅動、安裝開發框架等基礎環境搭建的無關事務上。 本書以 Python 為主要開發語言，ESP32-CAM 作為物聯網設備，接著介紹 AWS 雲端基礎建設與機器學習的相關服務，最後將 AWS 文字∕人臉辨識與 ESP32-CAM 進行整合，完成一個結合物聯網設備、雲端運算與人工智慧的應用系統。 本書可以學到哪些知識 。Python 基礎概念 。介紹單晶片 ESP32-CAM 。使用 MicroPython 開發 ESP32-CAM 。AWS 基礎設施服務 。Amazon API Gateway 。AWS Lambda 。Amazon DynamoDB 。Amazon S3 。Amazon Rekognition 。網際網路基礎 。HTTP Request/Response 本書適合的「讀者族群」 a.【自學者】適合用於自學 Python 程式語言。 b.【自學者】適合用於自學 AWS 雲端運算。 c.【自學者】適合用於自學 ESP32-CAM。 d.【自學者】適合用於在 AWS 雲端中探索職業生涯的人。 e.【自學者】適合用於在公司內部部署 IT 或雲端，但對 AWS 雲端不熟悉的人。 f.【自造者】適合想體驗自造精神或雲地與軟硬體結合。 g.【教育者】可以作為大專院校畢業專題的教學教材。 h.【教育者】可以作為大專院校雲端運算、物聯網與人工智慧實作的教學教材。 本書結合AI人工智慧、物聯網設備與雲端運算，以AWS整合ESP32-CAM為例，進行車牌辨識的應用實作。 【目錄】 CHAPTER 01　Python 基礎 1.1　Python 說明與開發環境 1.2　Python 基礎語法 1.3　Python 基本資料類型 CHAPTER 02　Python 流程控制 2.1　Python 分支控制 2.2　Python 函數與模組 CHAPTER 03　網路程式開發概念與實作 3.1　網際網路模型 3.2　HTTP 請求∕回應格式 3.3　HTTP 範例–使用 flask 與 telnet CHAPTER 04　ESP32-CAM 開發 4.1　ESP32-CAM 簡介 4.2　使用 MicroPython 開發 ESP32-CAM–使用圖形化工具 Thonny（Windows） CHAPTER 05　ESP32-CAM 基礎應用 5.1　使用 MicroPython 檔案存取–io 5.2　使用 MicroPython 控制燈號、撰寫 ISR–machine CHAPTER 06　ESP32-CAM 進階應用 6.1　使用 MicroPython 連接 Wi-Fi、同步 NTP 6.2　使用 MicroPython 安裝新模組與使用 6.3　使用 MicroPython 拍照 CHAPTER 07　AWS 基礎概念 7.1　AWS 雲端基礎 7.2　AWS 雲端安全 7.3　申請 AWS 帳戶 CHAPTER 08　雲端儲存–Amazon S3 8.1　Amazon S3 8.2　實驗：使用 Amazon S3 建立靜態網站 CHAPTER 09　雲端接口–Amazon API Gateway 9.1　Amazon API Gateway 9.2　實驗：建立 API Gateway–using mock CHAPTER 10　雲端運算–AWS Lambda 10.1　AWS Lambda 10.2　實驗：使用 GET 方法查詢資料–Lambda 10.3　實驗：使用 POST 方法上傳圖片–Lambda CHAPTER 11　雲端資料庫–Amazon DynamoDB 11.1　Amazon DynamoDB 11.2　實驗：讀取 EXCEL 檔並存入資料庫中 11.3　實驗：查詢資料庫中的資料 CHAPTER 12　雲端視覺辨識AI–Amazon Rekognition 12.1　Amazon Rekognition 12.2　人臉辨識從 Amazon S3 讀取 12.3　實驗：文字辨識從 Amazon S3 讀取 CHAPTER 13　整合實驗：車牌辨識從定義規格開始 13.1　整合實驗：車牌辨識–定義功能 13.2　實驗：後端–API Gateway 上傳圖片並使用 POSTMAN 檢驗結果 CHAPTER 14　後端實作–整合API + 資料庫 + AI 14.1　實驗：後端–API Gateway 設定車牌辨識選項 14.2　實驗：後端–觸動 S3 事件進行文字辨識 14.3　實驗：後端–API Gateway 查詢辨識記錄 CHAPTER 15　前端實作–ESP32-CAM + 網頁 15.1　實驗：前端–使用 ESP32-CAM 呼叫上傳圖片的 REST API 15.2　實驗：前端–使用 Web 用戶端 呼叫 REST API 附錄 A　參考資料

Microsoft Azure學習手冊｜雲端運算與雲端系統開發的關鍵知識 (1版)

類似書籍推薦給您

【簡介】 內容簡介:貴公司若計畫將既有應用系統轉移到雲端、實作混合或多雲解決方案、或以現代化方式重構既有應用系統，以增強其可擴展性，本書就是你的解方。軟體開發人員、解決方案架構師和雲端工程師將從本書獲得微軟Azure的雲端運算、遷移、轉型和系統開發的基礎概念。作者將帶領你深入瞭解雲端運算的概念和部署模型、各式現代雲端技術、如何在Azure上發展應用系統，包括團隊協作服務、安全服務，以及微軟Azure的雲端遷移選項。讀者將可深入瞭解適用於不同業務情境、軟體專案開發和現代解決方案的微軟Azure雲端服務，本書也會深入探討Azure容器開發與無伺服器計算技術，以及提供給開發人員的生產力工具，這些工具可協助IT團隊更快速、有效地完成任務。* 瞭解雲端運算和微軟Azure的基礎知識* 探索最適合貴公司特殊需求的Azure雲端服務* 利用Azure處理不同應用情境和特殊技術的要求* 使用Azure和基礎設施即程式代碼（IoC）著手開發雲端服務、應用系統和解決方案* 培養實作IT基礎設施治理原則和雲端安全性的能力* 從作者在Azure遷移作業的實際經驗，獲得真實的專案建議和最佳實務作法閱讀本書將會是一趟Azure奇妙之旅，既適合新手、也適合高手去追求的雲端寶藏。這是本全方位指南，指引初學者一條康莊大道，也是經驗豐富的專業人士之隨身寶典。——Peter T. Lee，Capgemini America管理交付架構師—— 【目錄】 章節說明:第一篇　雲端運算和微軟Azure基礎知識第 1 章　雲端運算基礎知識　關於雲端運算　現代雲端之旅　雲端運算的部署類型 多雲架構　公有雲供應商　雲端運算服務模型　雲端運算和Azure的共同責任　資本支出和營運支出　採用和轉型到現代雲端技術的好處第 2 章　微軟Azure基礎知識　Azure作為公有雲供應者　Azure入口網站　Azure的服務　Azure的核心架構和資源管理概念　Azure地理位置、地區、地區對和可用性區域　Azure的成本管理　Azure的使用者身分、角色和活動目錄第二篇　計算、網路、儲存和資料庫第 3 章　Azure的雲端運算服務　使用Azure計算服務開發完全受控的系統　Azure虛擬機器和虛擬機器擴展集　Azure App服務　靜態Web App　無伺服器運算服務　Azure的容器服務　認識Azure的量子運算第 4 章　Azure的雲端網路服務　Azure網路服務　Azure網路服務的類型　Azure Space超越雲端的網路第 5 章　Azure的雲端儲存和資料庫服務　雲端的資料儲存體和資料庫 大數據、結構化和非結構化資料庫 Azure儲存體和資料庫服務 Azure儲存體　Azure資料庫服務第三篇　人工智慧、機器學習、大數據、物聯網和安全性第 6 章　Azure的人工智慧、機器學習和認知服務　Azure 裡的人工智慧概念　Azure OpenAI服務和Chat-GPT的演進　機器學習（ML）　Azure 的有道德和負責任AI　Azure AI和認知服務　Azure 機器學習　Azure 應用型AI服務第 7 章　Azure的大數據、報告和分析服務　Azure 的大數據、報告和分析服務　Azure 的大數據解決方案　資料分析　Azure 的大數據和分析服務　總結 Azure 的資料管理和分析第 8 章　雲端物聯網（IoT）和地圖服務　物聯網（IoT）　Azure 地圖第 9 章　Azure 的安全性、身分管理和DevSecOps　網路安全及其重要性　雲端的零信任方法論 網路安全、DevSecOps和保護Azure基礎設施　Azure對應用程式、資料庫和網路的安全防護　Azure的安全最佳作法　DevSecOps：開發、DevOps和基礎設施裡的安全性 在DevOps採用安全實務作法第四篇　整合、基礎設施和DevSecOps第 10 章　Azure雲端整合服務和工具　雲端整合的好處　Azure上的雲端整合　Azure API管理服務　Azure邏輯App　Azure服務匯流排：雲端訊息傳遞代理服務　Azure Web發布與訂閱　Azure事件方格第 11 章　Azure的雲端基礎設施、DevOps和監控　雲端原生基礎設施　現代應用程式開發和DevOps　Azure DevOps　用於教育訓練、測試和展示的Azure DevTest實驗室　搭配GitHub從事雲端開發和DevOps作業　雲端基礎設施的自動化和管理機制 使用Azure資源管理器和Bicep實作IaC　Azure的監控服務和基礎設施管理第五篇　治理、遷移、架構和開發工具第 12 章　Azure的雲端管理和治理　雲端基礎設施管理和治理 Azure資源管理器 Azure藍圖（預覽版） 用於監控和維護可靠性的Azure監視器 Azure自動化服務　用於合規性和原則管理的Azure原則　FinOps和 Azure的成本管理　為Azure優化成本管理　雲端管理和治理的演進第 13 章　Azure的雲端遷移、混合環境和多雲端解決方案　雲端採用和現代化　雲端採用和遷移的反面模式　Azure良好架構框架的五大支柱　Azure的雲端採用框架　Azure良好架構檢閱　用於評估和檢討的微軟評定工具　Azure的混合雲和多雲端解決方案第 14 章　Azure的雲端開發工具　開發工具對開發人員生產力的重要性　為工程師準備的 Azure開發工具　Azure軟體開發套件　Azure命令列工具　Azure Developer CLI　微軟開發箱　給開發人員的Azure DevOps和GitHub　GitHub CLI