COMPUTER ALGORITHMS (2版)

相關熱銷的書籍推薦給您

<姆斯>COMPUTER ALGORITHMS 2/E 2008 <SP> 978-0-929306-41-4 2/E HOROWITZ 9780929306414

PAS - AI應用規劃師中級應鑑指南(人工智慧技術應用與規劃、大數據處理分析與應用)含AIE國際認證：BDAE大數據應用工程師(Expert Level) (1版)

類似書籍推薦給您

【簡介】 1.全面涵蓋核心技術：從自然語言處理（NLP）、生成式AI、到電腦視覺與多模態應用，完整架構AI知識體系。 2.理論與實務並進：不只講解LLM、RAG等前沿技術，更深入探討AI導入評估、風險管理及系統部署流程。 3.大數據分析觀念和技術：詳述大數據收集、清理、分析及可視化，掌握AI專案的導入開發流程，並探討隱私保護與合規性。 4.大數據與機器學習整合：熟悉如何規劃大數據成為AI模型的優質燃料，大幅提升機器學習的效益。 5.完整對應IPAS－AI應用規劃師能力鑑定的最新命題方向，並結合AIE人工智慧專業能力國際認證：BDAE大數據應用工程師的核心知識架構。  【目錄】 第1篇　人工智慧技術應用與規劃（iPAS中級科目1） 主題1　AI相關技術應用 第1章　自然語言處理（NLP）技術與應用 1-1認識自然語言（NLP） 1-2GenAI、LLM和NLP三重奏 1-3GenAI、LLM和NLP三合一的魅力 1-4展現更多商業價值 1-5RAG的角色與使用要點 1-6實務應用 模擬試題   第2章　電腦視覺技術與應用 2-1介紹電腦視覺（Computer Vision） 2-2電腦視覺的發展歷史 2-3正在崛起的視覺GenAI 2-4電腦視覺的應用 2-5電腦視覺技術的未來發展 2-6實務應用 模擬試題   第3章　生成式AI技術與應用 3-1生成式AI的內涵 3-2大型語言模型（LLM） 3-3LLM的幻覺問題 3-4LLM搭配RAG：降低幻覺 3-5RAG、微調與提示工程 3-6GenAI的常見應用 3-7GenAI的未來發展 3-8實務應用 模擬試題   第4章　多模態人工智慧應用 4-1簡介多模態AI 4-2流行的多模態AI模型 4-3多模態AI應用情境 4-4多模態AI提升人機介面（HCI） 4-5多模態AI提升人的決策力 4-6多模態AI的未來發展 4-7實務應用 模擬試題   主題2　AI導入評估規劃 第5章　AI導入評估 5-1什麼是「AI導入評估」 5-2AI導入評估的主要內容 5-3概念驗證（ProofofConcept,POC）方法 5-4快速原型（RapidPrototyping）驗證方法 5-5實務應用 模擬試題   第6章　AI導入規劃 6-1AI專案規劃包含哪些內容 6-2了解問題，訂定專案目標（Goal） 6-3挑選優先用例（UseCase），進行用例評估 6-4模型（Model）選擇 6-5收集高品質的資料（Data） 6-6組成多元團隊，並制定風險管理計劃 6-7模型訓練&部署（Train&Deploy） 6-8實務應用 模擬試題   第7章　AI風險管理 7-1為什麼AI導入需要風險管理 7-2AI專案風險管理的範圍 7-3常見AI風險類型 7-4風險評估流程 7-5對應的控管策略 7-6實務應用 模擬試題   主題3　AI技術應用與系統部署 第8章　數據準備與模型選擇──以生成式AI為例 8-1數據準備（DataPreparation）的涵意 8-2數據準備的六項關鍵任務 8-3數據準備實施中的注意事項 8-4模型選擇（ModelSelection） 8-5開發原型，快速驗證 8-6實務應用 模擬試題   第9章　AI技術系統集成與部署──以生成式AI為例 9-1AI系統整合（集成）架構 9-2AI部署與挑戰 9-3AI部署的流程：以GenAI為例 9-4實務應用 模擬試題   第2篇　大數據處理分析與應用（iPAS中級科目2） 主題1　機率統計基礎 第1章　敘述性統計與資料摘要技術 1-1敘述性統計與資料摘要之關係 1-2敘述性統計 1-3資料摘要技術 1-4實務應用 模擬試題   第2章　機率分佈與資料分佈模型 2-1機率分佈與資料分佈模型之關係 2-2機率分佈 2-3資料分佈模型 2-4實務應用 模擬試題   第3章　假設檢定與統計推論 3-1假設檢定與統計推論之關係 3-2統計估計 3-3假設檢定 3-4統計推論與機器學習之關係 3-5實務應用 模擬試題   主題2　大數據處理技術 第4章　數據收集與清理 4-1大數據與傳統數據的區別 4-2資料收集 4-3資料清理 4-4範例說明 模擬試題   第5章　資料儲存與管理 5-1引言 5-2資料管理 5-3資料儲存 5-4實務應用 模擬試題   第6章　資料處理技術與工具 6-1大數據（Bigdata）的優勢 6-2大數據的特性 6-3大數據處理過程 6-4大數據處理技術 6-5大數據處理工具的類型 6-6介紹7項大數據處理工具 6-7實務應用 模擬試題   主題3　大數據分析方法與工具 第7章　統計學在大數據中的應用 7-1複習：資料型態與統計測量 7-2統計學與大數據處理 7-3大數據的關鍵統計方法 7-4實務應用 模擬試題   第8章　常見的大數據分析方法 8-1複習：大數據處理流程 8-2常見的大數據分析方法 8-3大數據分析與演算法 8-4實務應用 模擬試題   第9章　數據可視化工具 9-1數據視覺化 9-2數據視覺化的工作原理 9-3數據視覺化工具 9-4AI數據視覺化工具 9-5常見的5款數據視覺化工具 9-6實務應用 模擬試題   主題4　大數據在人工智慧之應用 第10章　大數據與機器學習 10-1複習：大數據 10-2複習：機器學習 10-3大數據與機器學習的協作關係 10-4大數據在機器學習中的應用 10-5機器學習應用於大數據分析 10-6實務應用 模擬試題   第11章　大數據在鑑別式AI中的應用 11-1複習：鑑別式AI 11-2鑑別式AI需要大數據 11-3大數據分析需要鑑別式AI 11-4實務應用 模擬試題   第12章　大數據在生成式AI的應用 12-1複習：生成式AI 12-2生成式AI需要大數據 12-3大數據分析需要生成式AI 12-4實務應用 模擬試題   第13章　大數據隱私保護、安全與合規 13-1大數據隱私與安全 13-2大數據常見的隱私風險 13-3大數據的隱私保護策略 13-4大數據的合規性 13-5大數據與AI法規範例 13-6實務應用 模擬試題

透視考點－讓大數據帶你考出好成績-刑法(測驗題) (2版)

類似書籍推薦給您

【簡介】 1.題目、答案分開設計，不怕偷瞄！  模擬真實考場情境，練習更專注，答題思路更清晰！  2.用數字看穿命題秘密！  大數據幫你抓出各章考點熱度，命中率直線上升，時間有限，就該唸最會考的！  3.精選考點＋經典題型一次掌握！  分析出題方向、歸納解題套路，讓你輕鬆看懂考試邏輯，準備更有效率！  4.理解＋記憶雙引擎，知識全面升級！  不只是背題，更要理解架構、融會貫通，打造真正穩定的高分實力！ 適用對象 要練習大量刑法選擇題的考生 改版差異 1.答案和題目分離設計，專注作答不怕偷瞄 2.替換較舊試題，收錄至114年一般警察特考 3.依照114年修法修訂內容 使用功效 本書彙整了108年至114年上半年國家考試歷屆試題，並配合考選部的命題大綱，運用統計學的數據，如實呈現命題比重，希望讀者能夠用最短的時間，達到最好的學習效果。 【目錄】 第一章  基本概念 考點01  罪刑法定原則 考點02  刑法的效力範圍（人、時、地） 考點03  名詞定義（刑法第10條） 考點04  刑法上的行為 第二章  構成要件該當性 考點01  構成要件的分類 考點02  因果關係與結果歸責 考點03  構成要件故意與錯誤 考點04  過失的認定 第三章  違法性 考點01  正當防衛 考點02  緊急避難 考點03  其他阻卻違法事由 考點04  容許構成要件錯誤與反面容許構成要件錯誤 第四章  罪責 考點01  責任能力 考點02  不法意識與相關錯誤類型 第五章  未遂犯 考點01  著手 考點02  不能未遂 考點03  中止未遂 第六章  犯罪的參與 考點01  正犯與共犯的區分 考點02  間接正犯 考點03  共同正犯 考點04  教唆犯 考點05  幫助犯 考點06  參與與身分關係 考點07  必要的參與犯 第七章  競合論 考點01  接續犯、集合犯 考點02  不純正競合 考點03  想像競合 考點04  數罪併罰 第八章  刑罰論 考點01 基本概念 考點02  沒收 考點03  褫奪公權 考點04  易刑處分 考點05  累犯 考點06  緩刑 考點07  自首 考點08  假釋 考點09  時效 考點10  保安處分 第九章  侵害國家法益的犯罪 考點01  貪污犯罪 考點02  濫權犯罪 考點03  妨害公務罪 考點04  妨害秩序罪 考點05  妨害司法犯罪 第十章 侵害社會法益的犯罪 考點01  公共危險罪 考點02  偽造犯罪 考點03  善良風俗犯罪 第十一章 侵害個人法益的犯罪 考點01  殺人罪與遺棄罪 考點02  傷害罪 考點03  妨害自由罪 考點04  妨害性自主罪 考點05  名譽與隱私犯罪 第十二章 侵害財產法益的犯罪 考點01  竊盜罪與搶奪罪 考點02  強盜、恐嚇取財與擄人勒贖罪 考點03  侵占、背信與重利罪 考點04  詐欺罪與濫用自動設備犯罪 考點05  贓物罪 考點06  毀損罪 考點07  電腦犯罪

Power BI X ChatGPT：實作大數據篩選分析與商業圖表設計(第四版) (4版)

類似書籍推薦給您

【簡介】 　　☑ 多樣的Power BI商務範例，易懂易學又易上手 　　☑ 融會貫通大數據資料分析利器，提高自身商務職場價值 　　☑ 滿足讀者一次了解Power BI三大平台的功能特點 　　☑ 依循step by step的步驟引導，降低學習過程的障礙 　　☑ ChatGPT 5加持Power BI：下一代智慧商業分析 　　Power BI是一套商務數據分析工具，可以結合各種資料來源，收集資料並整理成視覺化的分析報表，並以互動式視覺效果呈現。目前Power BI三大平台分別為：Power BI雲端平台、Power BI Desktop及Power BI Mobile。我們可以將Power BI Desktop桌面應用程式所產生的報表，發佈到Power BI雲端平台，並可以在Web 上及行動裝置共用，及檢視所產生的精美分析報表。 　　本書希望定位成一本以入門者的角度，方便學習者跟著實作範例作為本書主要的呈現風格，特色摘要如下： 　　▌圖文並茂，難易適中 ▌ 　　完全以初學入門者的角度撰寫，以淺顯易懂及圖文並茂的解說原則，精準表達難易適中的重要功能，適合作為Power BI商務應用及大數據資料分析的教材。 　　▌功能導向，實作範例 ▌ 　　以功能導向的角度寫作，提供方便學習者實作的範例導向來解說各項Power BI實用的功能。可在學習過程中，依循step by step的步驟引導，來降低學習的障礙，更能藉由系統的安排，學習Power BI精要知識與絕活技巧。 　　此外，因應AI浪潮，本書也加入了「ChatGPT 5加持Power BI：下一代智慧商業分析」，專門介紹在Power BI中如何使用ChatGPT，包括：透過ChatGPT輔助Power BI的資料視覺化任務、使用ChatGPT編寫DAX、Power Query公式及SQL查詢，並整合Power Automate和Power BI等內容。 【目錄】 Chapter 01▸大數據與Power BI贏家淘金術 1-1資料科學簡介 1-2資料倉儲與資料探勘 1-3大數據的應用與特性 1-4大數據相關技術-Hadoop與Sparks 1-5初探Power BI新鮮事 Chapter 02▸第一次使用 Power BI 就上手 2-1 建構Power BI Desktop學習環境 2-2 Power BI Desktop視窗環境介紹 2-3資料轉圖表的實作4部曲 2-4金融機構基本資料查詢 Chapter 03▸圖表視覺元件編輯與優化 3-1視覺效果組成元素 3-2視覺效果色彩學 3-3視覺效果編輯技巧小心思 3-4圖表元件編修攻略 3-5其它圖表優化的技巧 Chapter 04▸Power Query資料整理真命天子 4-1 Power Query編輯器環境簡介 4-2 Power Query編輯器基礎操作 4-3資料內容檢查與修正 4-4資料行的進階操作 4-5資料類型的偵測與變更 4-6附加查詢與合併查詢 4-7其它Power Query實用功能 Chapter 05▸視覺效果應用專題—以股票操作績效統計分析為例 5-1建立圓形圖 5-2建立折線與群組直條圖 5-3建立卡片與多列卡片 5-4建立樹狀圖 5-5建立區域分佈圖及地圖 5-6建立漏斗圖 5-7建立交叉分析篩選器 5-8將多份報表整合於同一頁面 Chapter 06▸探索資料、篩選與資料分析 6-1指定排序順位變更視覺效果 6-2探索資料 6-3視覺效果層級篩選 6-4 Power BI的AI應用--自動資料分析 6-5內建量值及使用DAX語言新增量值 Chapter 07▸Power BI工作絕活不藏私 7-1 Power BI 報表優化 7-2指定多個檔案同時匯入並合併 7-3善用書籤與超連結的設計 7-4 Power BI 資源無所不在 Chapter 08▸雲端與行動平台超前部署 8-1 Power BI雲端平台特色 8-2註冊Power BI雲端平台 8-3在雲端公開分享報表 8-4雲端平台其它實用功能 8-5 Power BI行動裝置嘛會通 Chapter 09▸ChatGPT 5加持Power BI：下一代智慧商業分析 9-1人工智慧的基礎 9-2 認識聊天機器人 9-3 註冊免費ChatGPT帳號 9-4 第一次使用ChatGPT就上手 9-5了解ChatGPT 5各種使用方案與價格 9-6 初探ChatGPT 5全新介面 9-7即時搜尋網頁功能 9-8支援圖像、文件、圖表多模態輸入 9-9啟動語音模式 9-10 ChatGPT正確使用訣竅 9-11 如何透過ChatGPT輔助Power BI的資料視覺化任務 9-12 ChatGPT能給予Power BI的用戶什麼協助 9-13 使用ChatGPT編寫DAX公式 9-14 使用ChatGPT編寫Power Query公式 9-15 使用ChatGPT編寫SQL查詢 9-16 藉助ChatGPT整合Power Automate和Power BI Appendix A▸Excel資料整理工作指引 A-1儲存格及工作表實用技巧 A-2資料整理相關公式與函數 A-3資料排序與資料篩選  

商務大數據分析：案例分析與AI應用趨勢 (2版)

類似書籍推薦給您

【簡介】 本書特色 ●思維與應用並重：本書不僅講解大數據與人工智慧的基礎概念及演算方法 ，更引導讀者從商業應用情境出發，思考並發展預測分析與AI問題的解決方法，讓您從「知道」進化到「會用」！ ●涵蓋AI最新趨勢：緊跟時代腳步，除了基礎的機器學習與深度學習，還新增了對生成式AI的探討，特別是利用Python語言與LangChain發展簡單AI代理程式的實作範例。 ●以Python語言實戰：提供豐富的Python語言範例，從問題解析、數據理解到模型建立，讓讀者可以循序漸進地動手實作，告別紙上談兵的學習模式。 ●真實且多樣的數據集案例：選用貼近實際的資料集範例，包括統一發票網頁爬蟲、房價與零售店銷售預測、股票預測、電影推薦以及圖片辨識與自然語言解析等，大大提高學習興趣與實用性。 ●生成式AI輔助分析：設有專門章節（第十七章），示範如何運用ChatGPT、生成式AI等工具，來輔助進行數據的理解、準備、分析、文本挖掘與圖形分析等工作，讓您親身體驗AI對數據分析的影響。 內容簡介 本書深入解析大數據的發展沿革、4V特徵、行業價值與企業管理模式，更重要的是，它引導讀者從商業應用情境出發，思考並解決真實的數據分析問題，如群組、分類、推薦與關聯等。建立數據驅動思維，與數據科學家進行更有效的溝通，加速智慧應用發展。 在實作層面，本書提供Python語言範例，循序漸進地引領讀者了解分析與模型建立步驟。提供房價預測、電影推薦、圖片辨識及自然語言解析等貼近真實的案例。 本書更納入AI先進技術，介紹LangChain基礎運用，發展簡單的AI代理程式。 這是一本橫跨大數據基礎、預測分析方法，到文本挖掘、圖像辨識、生成式AI代理的完整教材，是商管學生與商業人士理解AI實務與應用的最佳起點！ 【目錄】 Chapter 01 大數據發展沿革 1-1 資料的發展 1-2 大數據源起 1-3 大數據定義 1-4 大數據特性 Chapter 02 大數據行業價值 2-1 大數據價值 2-2 大數據行業應用機會 2-3 大數據企業應用案例 Chapter 03 大數據商業模式創新 3-1 數據化與創新 3-2 大數據開放資料 3-3 大數據生態系與商業模式創新 Chapter 04 企業大數據管理 4-1 企業數位資料管理演進 4-2 大數據資料處理發展 4-3 大數據資料分析發展 4-4 大數據管理架構 4-5 大數據規劃與實施類型 4-6 大數據企業實施案例 4-7 企業採用趨勢與挑戰 Chapter 05 大數據分析：概念與程序 5-1 數據分析是智慧決策基礎 5-2 從商業分析到預測分析 5-3 預測分析程序 5-4 預測分析工具 5-5 Python工具安裝 Chapter 06 大數據分析：數據的理解 6-1 問題解決方向 6-2 數據組織實作 6-3 數據擷取實作-網頁爬蟲抓取 Chapter 07 大數據分析：數據的準備 7-1 問題解決方向 7-2 數據探索與視覺化 7-3 探索性資料分析 Chapter 08 大數據分析：聚類與分類 8-1 問題解決方向 8-2 聚類分析實作 8-3 分類分析實作 Chapter 09 大數據分析：迴歸與趨勢 9-1 問題解決方向 9-2 迴歸分析實作 9-3 時間趨勢實作 Chapter 10 大數據分析：相似與推薦 10-1 問題解決方向 10-2 異常與相似性判定實作 10-3 相似性推薦實作 Chapter 11 大數據分析：關聯與關係 11-1 問題解決方向 11-2 關聯分析與實作 11-3 貝氏網路分析與實作 Chapter 12 大數據分析：連結與網路 12-1 問題解決方向 12-2 隱馬可夫模型與實作 12-3 社會網路分析與實作 Chapter 13 數據驅動的人工智慧發展 13-1 人工智慧沿革 13-2 人工智慧方法演進 13-3 機器學習方法 13-4 深度學習方法 13-5 生成式AI發展 13-6 ChatGPT實作 Chapter 14 AI探索：文本挖掘分析 14-1 自然語言發展沿革 14-2 問題解決方向 14-3 文本挖掘分析- 文字雲 14-4 文本挖掘分析-TFIDF文本相似查詢 Chapter 15 AI探索：圖像辨識分析 15-1 電腦視覺發展沿革 15-2 問題解決方向 15-3 圖像辨識分析-CNN深度學習 Chapter 16 AI探索：生成式AI代理 16-1 虛擬助理發展沿革 16-2 問題解決方向 16-3 AI代理─ LangChain基礎運用 Chapter 17 用GPT實現商務大數據分析 17-1 GPT預訓練模型是一種商業模式創新 17-2 AI輔助程式設計 17-3 AI輔助數據的理解 17-4 AI輔助數據的準備 17-5 AI輔助數據的分析 17-6 AI輔助文本挖掘分析 17-7 AI輔助圖形分析 17-8 未來：數據驅動行動