Microsoft Azure AI Services與Azure OpenAI從入門到人工智慧程式開發-使用Python(含MCF AI-900國際認證) (1版)
類似書籍推薦給您
【簡介】
體貼初學者學習Azure AI服務的流程！
Azure AI服務功能介紹 > Azure AI服務申請 > 語法解說 > AI範例實作
■ 專家與教師共同執筆
由微軟AI + Developer 雙領域 MVP與科技大學教師共同編著，針對初學者學習Azure AI領域所應具備的基本素養，所編寫入門教材，內容由淺入深，以引發學習動機為最主要考量，帶領初學者靈活運用Azure AI與Azure OpenAI進行開發AI應用程式。
■ 內容多元且淺顯易懂
對Azure AI服務的理論做深入淺出的說明，同時廣泛列舉相關應用實例，並使用適當的插圖和圖表，說明Azure AI技術的原理和實際運作方案，讓初學者對Azure AI有更進一步的認識。
■ Azure AI服務開發技能
介紹實用的入門開發實作，以培養初學者規劃AI解決方案的能力。實作包含：電腦視覺、OCR光學字元辨識、自訂視覺、臉部偵測與分析、文字分析、問題解答知識庫、翻譯、語音合成以及機器學習分類、迴歸和叢集模型的實作範例，並介紹目前最火紅的Azure OpenAI生成式AI開發聊天機器人與AI繪圖程式；詳盡說明實作的程式碼與操作步驟，培養初學者開發AI應用程式的能力。
■ Microsoft AI-900人工智慧基礎國際認證能力訓練
將認證考試重點融入書中，讀者能藉由練習來了解該章內容重點，同時書末彙整MCF AI-900核心能力國際認證模擬試題，是考取MCF AI-900人工智慧基礎國際認證的最佳教材。
【目錄】
第1章 Microsoft Azure AI 基本概念：使用人工智慧的開始
1.1 人工智慧簡介
1.2 Microsoft Azure AI 簡介
1.3 模擬試題
第2章 負責任的 AI
2.1 AI 造成的道德和社會問題
2.2 了解負責任的AI
2.3 申請Azure 帳戶
2.4 模擬試題
第3章 認識 Colab 程式編輯環境
3.1 Colab 簡介
3.2 安裝 Colab
3.3 Colab 環境簡介
3.4 編輯第一個 Colab 筆記本
3.5 Colab 常用功能
第4章 Gradio 互動式網頁
4.1 簡介認識 Gradio
4.2 Gradio 基本語法介紹
4.3 Gradio 常用的輸出入元件
第5章 探索電腦視覺(一)電腦視覺分析
5.1 Azure AI 視覺簡介
5.2 Azure AI 視覺服務
5.3 Azure AI 服務開發環境與必要條件
5.4 Azure AI 視覺開發實作
5.5 模擬試題
第6章 探索電腦視覺(二)OCR 與文件智慧服務
6.1 光學字元識別 (OCR)
6.2 Azure AI 視覺服務讀取文字
6.3 文件智慧服務和知識採礦
6.4 Azure Al 視覺服務讀取影像文字開發實作
6.5 模擬試題
第7章 探索電腦視覺(三)臉部服務
7.1 臉部辨識服務簡介
7.2 臉部偵測
7.3 臉部分析
7.4 臉部識別
7.5 臉部辨識服務開發實作
7.6 模擬試題
第8章 探索電腦視覺(四)自訂視覺
8.1 自訂視覺簡介
8.2 自訂視覺影像分類
8.3 在 Azure 使用影像分類
8.4 自訂視覺物件偵測
8.5 在 Azure 使用物件偵測
8.6 自訂視覺範例實作
8.7 模擬試題
第9章 探索自然語言處理(一)文字分析
9.1 自然語言處理簡介
9.2 自然語言處理
9.3 使用 Azure AI 語言服務分析文字
9.4 文字分析開發實作
9.5 模擬試題
第10章 探索自然語言處理(二)對話式AI
10.1 對話式AI 簡介
10.2 問題與解答對話系統
10.3 使用交談語言理解建立語言模型
10.4 Azure AI 機器人服務
10.5 自訂問題解答開發實作
10.6 模擬試題
第11章 探索自然語言處理(三)語音與翻譯
11.1 語音辨識與語音合成
11.2 語音服務功能介紹
11.3 文字翻譯
11.4 翻譯服務功能介紹
11.5 文字翻譯開發實作
11.6 語音合成開發實作
11.7 模擬試題
第12章 Azure 機器學習基本原理
12.1 機器學習簡介
12.2 機器學習的工作流程
12.3 機器學習的模型
12.4 分類模型
12.5 迴歸模型
12.6 叢集模型
12.7 模擬試題
第13章 Azure 機器學習實作
13.1 Azure 機器學習服務簡介
13.2 Azure 機器學習設計工具的工作流程
13.3 使用設計工具建立模型
13.4 使用 Azure 機器學習自動化 ML
13.5 使用提示流程建立 AI 應用程式
13.6 模擬試題
第14章 Azure OpenAI
14.1 生成式 AI 簡介
14.2 大型語言模型
14.3 Azure OpenAI 簡介
14.4 Copilots 簡介
14.5 使用提示工程改善生成式 AI 回應
14.6 Azure OpenAI 生成式 AI 應用程式開發實作
14.7 模擬試題
附錄A MCF AI-900 人工智慧基礎國際認證模擬試題
看更多
立即查看
計量經濟學導論Ⅰ橫斷面篇：使用Python語言（附光碟） (1版)
類似書籍推薦給您
【簡介】
⊙以Python的模擬方法來輔助或取代數學證明，有效掌握計量經濟學。
⊙理論與實作兼具，操作步驟清楚易懂。
⊙內容包含以簡單線性迴歸（SLR）模型說明OLS與Python操作、比較古典與新古典線性迴歸模型的基本假定、介紹MLR模型／NLRM基本假定、說明變異數異質結果以及使用穩健的標準誤、檢視模型設定問題等。
⊙附贈光碟提供書中完整原始程式碼，幫助學習理解、迅速進入狀況。本書以熱門程式語言Python實際操作，帶領讀者認識以及運用計量經濟學。
內容循序漸進，從第1章介紹基礎理論、檔案數據資料，手把手教學。第2章利用簡單線性迴歸（SLR）模型說明計量經濟學的主要方法：OLS，以及如何於Python下操作。第3章比較古典與新古典線性迴歸模型的基本假定。第4章介紹MLR模型。第5章介紹NLRM的基本假定。第6章進一步說明迴歸模型的大樣本推論以及OLS估計式之漸近有效性。第7章討論MLR模型的特殊函數型態（如對數函數、二次式以及交互變數型態），以及估計迴歸模型的預測部分。第8章檢視迴歸模型下的質性變數。第9章說明變異數異質的結果、使用穩健的標準誤，以及如何使用WLS方法與應用。第10章檢視模型設定問題，其中包括代理變數、因變數與自變數之衡量誤差、離群值與最小絕對誤差等。
書中範例所呈現任何計算、模擬、估計、編表或甚至於繪圖等操作，光碟內皆附有完整的Python程式碼供讀者參考使用。
【目錄】
第1章 導論
1.1 何謂計量經濟學？
1.2 資料的類型
1.3 資料產生過程與其他情況不變
1.4 本書所使用的檔案數據資料第2章 簡單迴歸模型
2.1 簡單迴歸模型的定義
2.2 OLS估計式
2.2.1 OLS估計式的導出
2.2.2 Python的操作
2.3 迴歸式的特徵
2.3.1 配適值與殘差值
2.3.2 配適度第3章 簡單的新古典線性迴歸模型
3.1 sCLRM(sNLRM)的假定
3.1.1 線性迴歸模型
3.1.2 條件誤差的假定
3.1.3 其餘假定
3.2 不偏性與一致性
3.2.1 不偏性
3.2.2 一致性
3.3 統計推論第4章 複線性迴歸模型：線性重合
4.1 MLR模型
4.1.1 MLR模型的特色
4.1.2 OLS之估計
4.1.3 Frisch-Waugh定理
4.1.4 t檢定
4.2 配適度與線性重合
4.2.1 配適度
4.2.2 調整的R2
4.3 線性重合
4.3.1 相關的自變數
4.3.2 再談βj的標準誤第5章 新古典線性迴歸模型
5.1 NLRM的基本假定
5.1.1 OLS估計式的不偏性
5.1.2 變異數異質
5.1.3 OLS估計式的抽樣分配
5.2 多元線性限制檢定：F檢定
5.2.1 多餘解釋變數的檢定
5.2.2 整體迴歸式顯著性之F檢定
5.2.3 一般的線性限制檢定第6章 複迴歸分析：OLS之漸近性
6.1 一致性
6.2 漸近常態與大樣本推論
6.3 LM檢定
6.4 OLS的漸近有效性第7章 複迴歸分析：其他問題
7.1 數據單位對OLS估計的影響
7.1.1 數據單位不同
7.1.2 貝他係數
7.2 一些特殊函數型態的檢視
7.2.1 對數函數型態
7.2.2 二次式模型
7.2.3 交互作用項
7.3 預測
7.3.1 預測區間
7.3.2 因變數是log(y)第8章 質性資料
8.1 質性資料
8.1.1 單一虛擬自變數
8.1.2 多個虛擬變數
8.2 虛擬變數之交互影響與跨群差異之檢定
8.2.1 虛擬變數之交互影響
8.2.2 跨群差異之檢定（鄒檢定）
8.3 二元因變數
8.3.1 何謂線性機率模型？
8.3.2 應用第9章 變異數異質性
9.1 變異數為異質與穩健的標準誤
9.2 變異數異質之檢定
9.2.1 Breusch-Pagan檢定
9.2.2 White檢定
9.3 加權最小平方與一般最小平方估計
9.3.1 加權最小平方估計
9.3.2 可行的一般最小平方估計
9.4 再談線性機率模型第10章 模型設定的問題
10.1 模型設定誤差
10.1.1 函數型態誤設
10.1.2 RESET檢定
10.1.3 非包含模型之檢定
10.2 代理變數
10.2.1 無法觀察到的解釋變數
10.2.2 遞延落後項
10.2.3 隨機斜率模型
10.3 衡量誤差
10.3.1 因變數存在衡量誤差
10.3.2 解釋變數存在衡量誤差
10.4 離群值與最小絕對估計
10.4.1 離群值與有影響力的觀察值
10.4.2 最小絕對估計附錄A Python導論
A.1 本書的操作方式
A.2 使用模組
A.3 物件
A.3.1 變數
A.3.2 Python內的物件
A.3.3 模組(numpy)內的物件
A.3.4 模組(pandas)內的物件
A.4 迴圈、函數與條件指令
A.4.1 自設函數
A.4.2 迴圈與條件指令
A.5 圖形的繪製附錄B 基本數學與模擬
B.1 加總操作式與敘述統計量
B.2 線性函數、二次式函數與特殊的函數
B.2.1 線性函數
B.2.2 二次式函數
B.2.3 特殊的函數
B.3 微分附錄C 基本的機率觀念
C.1 隨機變數
C.1.1 間斷的隨機變數
C.1.2 連續的隨機變數
C.2 聯合分配、條件分配與獨立性
C.2.1 聯合機率分配與獨立性
C.2.2 條件機率分配
C.3 機率分配的特徵
C.3.1 單變量機率分配
C.3.2 聯合機率分配的特徵
C.3.3 條件機率分配的特徵附錄D 機率分配
D.1 單變量機率分配
D.1.1 常態分配
D.1.2 卡方分配
D.1.3 t分配
D.1.4 F分配
D.2 多變量機率分配
D.2.1 多變量常態分配
D.2.2 多變量t分配附錄E 估計式
E.1 估計式的特徵
E.1.1 母體、參數值與隨機抽樣分配
E.1.2 估計式的有限樣本特徵
E.1.3 估計式的大樣本特徵
E.1.4 漸近常態
E.2 參數估計的一般方法
E.2.1 動差法
E.2.2 最小平方法附錄F 矩陣代數
F.1 基本定義
F.2 矩陣的操作
F.3 線性獨立與矩陣的秩
F.4 迴歸模型與OLS參考文獻
中文索引
英文索引
立即查看
資料結構－使用Python(增訂版) (1版)
類似書籍推薦給您
【簡介】
本書特色
1.本書以Python語言來實作資料結構中的重要理論，適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。
2.章節安排從資料結構的基礎到進階依序編次，讓學習有目標，有方法。
3.圖解各種資料結構新增、刪除、搜尋元素的方法及步驟，讓資料結構的觀念一看就懂。
內容簡介
本書適合已經學過Python程式語法、具有基礎Python類別與物件語法與概念的讀者進階研習資料結構。使用圖解方式說明資料結構的概念，依照步驟顯示資料結構中新增、刪除、搜尋元素的運作過程，各種資料結構的優缺點與使用時機，務求讓概念的解說清楚易懂。接著，進行程式碼實作與解說，並分析程式的執行效率。
本書從基礎到進階方式安排章節次序，依序為資料結構簡介、Python的資料儲存容器、陣列、鏈結串列、佇列與堆疊、樹狀結構、進階樹狀結構、排序、搜尋與雜湊、圖形資料結構與圖形走訪、圖形最短路徑、常見圖形演算法、2-3-Tree、2-3-4-Tree 與B-Tree。一步步帶領讀者進入資料結構的世界，熟悉資料結構的概念，以運用資料結構解決問題，提高程式執行速度。
學習資料結構沒有捷徑，在程式實作中不斷地融入資料結構，比較不同資料結構對程式執行速度的影響，慢慢累積就會進步。
【目錄】
第1章 資料結構簡介
1-1 資料結構的定義
1-2 資料結構影響程式執行效率
1-3 演算法的定義
1-4 程式執行效率分析
1-5 評估程式的複雜度
第2章 Python的資料儲存容器
2-1 tuple
2-2 串列
2-3 字典
2-4 集合
第3章 陣列
3-1 一維陣列
3-2 一維陣列的程式實作
3-3 二維陣列
3-4 二維陣列的程式實作
第4章 鏈結串列
4-1 鏈結串列
4-2 環狀鏈結串列
4-3 雙向鏈結串列
4-4 實作鏈結串列
第5章 佇列與堆疊
5-1 佇列
5-2 堆疊
第6章 樹狀結構
6-1 簡介樹狀結構
6-2 二元樹
6-3 二元搜尋樹
第7章 進階樹狀結構
7-1 霍夫曼編碼
7-2 AVL樹
第8章 排序
8-1 氣泡排序
8-2 選擇排序
8-3 插入排序
8-4 合併排序
8-5 快速排序
8-6 堆積排序
8-7 基數排序
8-8 各種排序演算法的比較
第9章 搜尋與雜湊
9-1 搜尋
9-2 雜湊
第10章 圖形資料結構與圖形走訪
10-1 簡介圖形資料結構
10-2 實作圖形資料結構
10-3 使用深度優先進行圖的走訪
10-4 使用寬度優先進行圖的走訪
第11章 圖形最短路徑
11-1 實作圖形資料結構-新增邊的權重
11-2 使用Dijkstra演算法找最短路徑
11-3 使用Bellman Forde演算法找最短路徑
11-4 使用Floyd Warshall演算法找最短路徑
第12章 常見圖形演算法
12-1 拓樸排序
12-2 尤拉迴路
12-3 最小生成樹
12-4 找出關節點
第13章 2-3-Tree、2-3-4-Tree與B-Tree
13-1 2-3-Tree
13-2 2-3-4-Tree
13-3 B-Tree
立即查看
OpenAI API基礎必修課--使用Python(GPT-3.5、GPT-4、GPT-4o、DALL·E、TTS、Whisper模型) (1版)
類似書籍推薦給您
【簡介】
💡 從觀念理解到開發實戰！
💡 使用OpenAI API x Python與GPT-3.5、GPT-4、GPT-4o、DALL•E、TTS、Whisper模型
開發聊天服務、文本生成、AI繪圖、視覺、語音的AI應用程式！
＊專家資深教師執筆
由教授OpenAI API、Python與人工智慧專業教師共同編著，針對初學者學習OpenAI API使用Python開發人工智慧軟體服務所應具備知識技能所編寫的實務教材。
＊循序漸進無痛上手
內容兼具理論與實務，利用大量OpenAI API實例說明並引申教材，所舉的專題範例淺顯易懂且具代表性和實用性，非常適合教學和自學，使初學者快速進入OpenAI API人工智慧軟體服務的開發殿堂。
＊內容多元範例豐富
介紹 Open AI 的金鑰申請、Colab 編輯環境、Gradio 互動式網頁、GPT-3.5、GPT-4與GPT-4o的使用、Chat Completions API 參數、ChatGPT 聊天機器人、整合搜尋讓聊天機器人突破時空限制、自動串接、函式呼叫和微調模型讓文本生成符合事實。
以Images API 進行AI繪圖、語音API與GPT-4o進行電腦視覺，讓AI應用程式擁有讀、畫、看、聽、說等功能。
＊實務專題打下基礎
使用Gradio 互動式網頁、Tkinter視窗套件結合OpenAI API開發生成式人工智慧飯店客服機器人、考卷產生器、網頁產生器三大專題。透過實務專題開發，將Python的相關技術與OpenAI API完美整合，提升初學者人工智慧軟體開發的專業能力。
【目錄】
Chapter 1 Open AI API 申請與入門
1.1 Open AI API 簡介
1.2 申請 Open AI API 金鑰
1.3 付費使用 Open AI API
1.4 Playground
Chapter 2 第一個 Open AI API 程式
2.1 認識 Colab 程式編輯環境
2.2 第一個 OpenAI API 程式
2.3 回覆訊息說明
Chapter 3 Chat Completions API 參數說明
3.1 認識 token
3.2 設定終止生成回覆訊息的參數
3.3 設定生成回覆的訊息數量
3.4 調整特定 token 生成的可能性
3.5 控制回覆單詞或語句的預測概率
3.6 控制回覆文本詞彙的重複性
3.7 流式傳輸
Chapter 4 Gradio 互動式網頁
4.1 認識 Gradio
4.2 Gradio 基本語法介紹
4.3 Gradio 常用的輸出入元件
4.4 運用實例
Chapter 5 打造 ChatGPT 聊天網頁
5.1 簡易的 ChatGPT 聊天網頁
5.2 暫存聊天記錄維持聊天連繫訊息
5.3 可迭代物件與生成器
5.4 使用生成器的流式傳輸聊天
5.5 流式傳輸的 ChatGPT 聊天網頁
Chapter 6 整合搜尋 - 無礙於時空限制
6.1 聊天資料的時空限制
6.2 使用 Google 搜尋增長 AI 知識
6.3 結合 Google 搜索生成聊天回覆
6.4 結合 Google 搜索的完整聊天網頁
6.5 Google Search JSON API
6.6 使用搜尋引擎進行網頁搜尋
6.7 使用搜尋引擎生成聊天回覆
Chapter 7 自動串接、函式呼叫與微調
7.1 自動串接
7.2 函式呼叫
7.3 微調
Chapter 8 Images API AI 圖形生成
8.1 認識 Images API
8.2 自然語言生成圖形
8.3 圖形變化
8.4 編輯圖形
8.5 運用實例
Chapter 9 電腦視覺
9.1 認識GPT-4o 的視覺功能
9.2 電腦視覺功能解析圖像
9.3 運用實例
Chapter 10 語音 API
10.1 認識語音 API
10.2 語音 API
10.3 語音 API進階應用
Chapter 11 OpenAI API 專題實戰
11.1 飯店客服機器人
11.2 考卷產生器
11.3 網頁產生器
立即查看
選擇權商品模型化導論：使用Python語言（附光碟） (1版)
類似書籍推薦給您
【簡介】
⊙以Python解決數學概念問題，掌握衍生性商品（如選擇權商品）模型化。
⊙理論與實作兼具，操作步驟清楚易懂。
⊙介紹CRR的二項式定價模型、隨機微積分、等值平賭測度方法，以及資產價格跳動的Lévy過程等觀念。
⊙附贈光碟提供書中完整原始程式碼，幫助學習理解、迅速進入狀況。
【透過Python，走入學習衍生性商品的捷徑】
本書以熱門程式語言Python，帶領讀者順利踏入財金領域。
內容分10章，第1、2章說明完全市場與不完全市場的特色與差異。第3章介紹CRR的二項式定價模型，並從該模型內取得一些基本的觀念。第4、5章說明隨機微積分的意思，包括平賭、維納過程、隨機積分等略為抽象的觀念。第6章說明偏微分方程式於選擇權定價內所扮演的角色。第7章介紹目前廣泛使用的等值平賭測度方法，其中包括Radon-Nikodym微分與Girsanov定理的闡述。第8章說明資產價格跳動的Lévy過程，包括著名的跳動－擴散、VG或NIG等過程。第9章介紹用於選擇權定價之較為簡易的COS方法。第10章則介紹隨機波動模型，包括Heston模型與Bates模型。
書中範例所呈現任何計算、模擬、估計、編表或甚至於繪圖等操作，光碟內皆附有完整的Python程式碼供讀者參考使用。
【目錄】
第1章 無套利定價準則（一）
1.1 簡單的線性代數觀念
1.1.1 向量與矩陣
1.1.2 子空間、線性獨立與矩陣之秩
1.2 一個簡單的財金市場模型
1.2.1 一個單期有限狀態模型
1.2.2 資產收益之向量與矩陣
1.2.3 線性獨立與多餘資產
1.3 完全市場的特色
第2章 無套利定價準則（二）
2.1 完全市場與市場之不完全
2.1.1 完全市場與不完全市場之分類
2.1.2 找出最適避險
2.1.3 QR分解法
2.2 套利
2.3 狀態價格與套利理論
2.4 風險中立機率
第3章 二項式定價
3.1 一般的設定
3.2 CRR的樹狀圖
3.2.1 CRR的方法
3.2.2 CRR的架構
3.2.3 風險中立下的CRR樹狀圖
3.3 CRR樹狀圖的應用
3.3.1 CRR之選擇權定價
3.3.2 GBM
第4章 隨機微積分（一）
4.1 隨機過程
4.1.1 機率空間
4.1.2 隨機變數
4.1.3 隨機過程
4.1.4 隨機變數的收斂
4.2 平賭過程
4.2.1 濾化與適應過程
4.2.2 平賭
4.3 維納過程
4.4 第2級變分與共變分
第5章 隨機微積分（二）
5.1 SDE
5.2 隨機積分
5.2.1 隨機黎曼積分
5.2.2 隨機斯蒂爾傑斯積分
5.3 Itô微積分
5.3.1 Itô積分
5.3.2 Itô’s lemma
第6章 偏微分方程式
6.1 為何存在PDE？
6.2 何謂PDE？
6.2.1 PDE的分類
6.2.2 數值方法
6.3 有限差分法
第7章 等值平賭測度
7.1 一個例子
7.2 機率測度
7.2.1 何謂機率測度？
7.2.2 Radon-Nikodym微分與Girsanov定理
7.3 BSM模型與風險中立定價
7.3.1 從BSM模型至風險中立定價
7.3.2 Feynman-Kac定理
7.4 資產定價的基本定理
第8章 Lévy過程
8.1 一些準備
8.1.1 càdlàg函數
8.1.2 特性函數
8.1.3 快速傅立葉轉換
8.2 何謂Lévy過程？
8.2.1 Lévy過程與無限可分割性分配
8.2.2 Lévy-Khintchine定理與Lévy-Itô分割定理
8.3 指數Lévy過程
8.3.1 跳動－擴散過程
8.3.2 NIG與VG過程
第9章 COS方法
9.1 PDF的估計
9.1.1 傅立葉餘弦級數擴張
9.1.2 CGMY過程
9.2 選擇權定價
9.2.1 COS之選擇權定價
9.2.2 截斷積分之選擇
9.3 隱含波動率微笑
第10章 隨機波動模型
10.1 多變量維度的SDE與仿射過程
10.1.1 多變量維度的SDE
10.1.2 仿射擴散過程
10.2 Heston模型
10.2.1 CIR過程
10.2.2 Heston模型的模擬與選擇權的定價
10.3 隱含波動率偏態
10.3.1 Heston模型
10.3.2 Bates模型
參考文獻
中文索引
英文索引
立即查看
華通書坊
