| 定價: | ||||
| 售價: | 380元 | |||
| 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 | ||||
雲端通訊與多媒體產業
定價:
400
售價:
380
現省:
20
| 付款方式: | 超商取貨付款 |
|
|
| 信用卡 |
|
||
| 線上轉帳 |
|
||
| 物流方式: | 超商取貨 | ||
| 宅配 | |||
| 門市自取 |
詳細資訊
書名：雲端通訊與多媒體產業 作者：曲威光 出版社：全華 出版日期：2014/05/00 ISBN：9789572193914 內容簡介 本書是針對「非理工背景的同學」所撰寫介紹高科技產業的書籍，討論包括多媒體與系統技術、通訊原理與電腦網路、雲端通訊產業、無線通訊產業等相關之技術，內容注重一貫性，並以範圍寬廣與難易適中為特色，結合產業分析與技術實務，詳述各領域之現況與未來，讀者只要具有國中基礎理化的背景即可，適合想要廣泛了解整個高科技產業的工程師閱讀，亦適合創投、承銷、證券、授信、保險、會計、產業分析、科技管理、科技法律等各行業人員作為進修學習之教材。 詳細資料 ISBN：9789572193914 叢書系列：大專電子 規格：平裝 / 432頁 / 16k / 19 x 26 x 2.16 cm / 普通級 / 雙色印刷 / 初版 出版地：台灣 本書分類：專業/教科書/政府出版品> 電機資訊類> 電信/通訊
為您推薦
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
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
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
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
華通書坊
