大數據：知識經濟與實務應用

相關熱銷的書籍推薦給您

【中文書】 書名：大數據：知識經濟與實務應用 作者：余清祥/顏貝珊 出版社：滄海 出版日期：2016/09/01 ISBN：9789863630296 簡介 ●從統計學的角度出發，教你判斷資料品質、偵錯與整理資料，以及分析資料的重要步驟。 ●提供五個實際的大數據研究案例，讓你能夠有效率地解讀資料，並提出具體結論與建議。 ●介紹解決問題的技巧，包括邏輯思考辯證、定義問題與創意思考的方法。 目錄 1 導論 2 定義問題 3 資料蒐集 4 探索性資料分析 5 歸納、演繹與分析推論 6 大數據資料的分析 7 結構資料分析 8 非結構資料分析 9 結語與展望 附錄A SQL基本操作指令 附錄B R語言基本概念

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

AWS自學聖經：5大必學雲端主題・超圖解入門(全彩印刷) (第二版) (2版)

類似書籍推薦給您

內容簡介 AWS自學聖經：5大必學雲端主題・超圖解入門(全彩印刷) ☆【全彩圖解】x【高效圖片教學】☆ 本書獲得 2021 iThome 鐵人賽 IT管理組佳作 ★好評再版★ 　　本書透過高效的圖片教學，取代千百文字，讓讀者能快速掌握AWS。AWS 是一個雲端服務提供商，提供開發者快速擁有雲端主機、資料庫、檔案、儲存空間等計算機資源。相較之下，傳統公司則需自行維護機房、自行購置硬體設備、雇用一群 IT 人員，且難以根據需求彈性增減設備，這樣的難處也讓AWS 這樣的雲端供應商興起，成為現行企業部署軟體的第一選擇。 　　●本書以5 大主題： 　　-VPC 網路架構 　　-EC2 運算資源 　　-S3 檔案儲存 　　-RDS 資料庫 　　-IAM 權限管理 　　圖解內容x快速入門：15 篇圖解觀念打底 　　實務導向x升職必備：27 篇實作示範深入 　　來幫讀者一次搞懂 AWS 雲端技術。 目錄 1.為什麼這麼多職缺開始要求 AWS 技能？ ‧ AWS 是什麼？ ‧ 雲端技術的崛起 ‧ 雲端技術帶來的薪資成長 ‧ 四大雲端平台：AWS vs GCP vs Azure vs Alibaba 2.作者資歷介紹 ＆ 圖解教學特色 ‧ 作者介紹 ‧ 圖解教學，簡易好懂 3.軟體基礎知識銜接 ‧ 軟體產業的職位分工 ‧ 軟體架構的總概覽圖 ‧ 軟體開發與部署流程 4.AWS VPC 網路架構 【觀念講解】 VPC 基礎設施 Region/AZ vs VPC/Subnet 關係介紹 【觀念講解】 VPC 架構 Routes & Security 【觀念講解】 VPC 架構 SG vs ENI vs EC2 關係介紹 【實作示範】 VPC 外網 Public Subnet to the Internet (IGW) 【實作示範】 VPC 內網Private Subnet to Private Subnet 【實作示範】 VPC 內部外網Private Subnet to the Internet (NAT) 【實作示範】 VPC 安全SG & NACL 網路安全配置 【實作示範】 VPC 清理資源 5.AWS EC2 運算資源 【觀念講解】 EC2 重點架構 【觀念講解】 EC2 儲存資源 Instance Store vs Elastic Block Storage (EBS) 【觀念講解】 EC2 儲存資源 EBS Types 方案比較 【實作示範】 EC2 儲存資源 EBS Volume 建立與使用 part 1 【實作示範】 EC2 儲存資源 EBS Volume 建立與使用 part 2 【實作示範】 EC2 儲存資源 EBS Snapshot 備份建立與使用 【實作示範】 EC2 儲存資源 資源清理 【觀念講解】 EC2 模板 AMI 架構介紹 【實作示範】 EC2 模板 EBS-backed AMI 建立與使用 【實作示範】 EC2 模板 AMI 資源清理 6.AWS S3 儲存資源 【觀念講解】 S3 是什麼？ S3 vs EBS 方案比較 【觀念講解】 S3 架構 & 版本控管 (Versioning) 【實作示範】 S3 架構 & 版本控管 (Versioning) 【觀念講解】 S3 儲存類別 & 生命週期管理 【實作示範】 S3 儲存類別 & 生命週期管理 【實作示範】 S3 資源清理 7.AWS RDS 資料庫 【觀念講解】 RDS 是什麼？RDS vs EC2 (+db) 方案比較 【觀念講解】 RDS 架構 【實作示範】 RDS 架構 建立自己的第一台雲端資料庫 part1 【實作示範】 RDS 架構 使用自己的第一台雲端資料庫 part2 【實作示範】 RDS 架構 資料庫備份 (backup) 建立與使用 【實作示範】 RDS 架構 備援機制 (Failover) 建立與使用 【實作示範】 RDS 架構 流量分擔機制 (Read Replica) 建立與使用 【實作示範】 RDS 架構 資源清理 8.AWS IAM 權限管理 【觀念講解】 IAM 架構 【實作示範】 IAM User 建立與使用 part 1 【實作示範】 IAM User 建立與使用 part 2 【實作示範】 IAM Group 建立與使用 【實作示範】 IAM Role 建立與使用 【實作示範】 IAM Identity-Based Policy 建立與使用 【實作示範】 IAM Resource-Based Policy 建立與使用 【實作示範】 IAM 清理資源 9.老師的話 & What’s Next? ‧ 老師的話 ‧ 「用圖片高效學程式」教學品牌 ‧ 「 Cloud Taiwan - GCP x AWS x Azure」社團版主

深談AWS雲端上的AI Agent：系統化學習 AWS-AI證照，協助企業管理AI Agent (1版)

類似書籍推薦給您

【簡介】 　　每一次新科技的誕生，往往都象徵著新的契機與挑戰。它不僅推動社會進步，也意味著對全新專業人才的需求，並進一步開啟社會財富重新分配的可能。   　　AI Agent的出現，猶如為社會增添了一股全新的勞動力。這股數位勞動力，將使整體生產要素得以提升，進而影響供應鏈的結構與分工。未來的社會，將急切需要能調度AI完成任務的人、能為AI產出結果負責的人，以及能管理AI的人。為了迎接這股浪潮，我們必須提前做好準備，掌握AI的應用與實踐，才能在新型職缺出現時，成為第一波受青睞的人才，並協助企業建立AI Agent的業務流程與管理機制。   　　展望未來，城市的競爭力不再僅依賴於能源與資源，更取決於能否擁有源源不絕的算力，來驅動AI Agent所帶來的數位勞動力。然而，算力基礎設施的建置與維運成本高昂，且隨時間必然面臨折舊。對多數企業而言，自建AI機房是一種奢侈，因此雲端供應商如AWS、GCP，將成為企業部署AI Agent服務體系的首選。   　　也因此，若能同時掌握AWS與AI Agent，不僅能成為為AI Agent提供算力的專業人才，更能成為企業內部負責規劃、設定與管理AI Agent的關鍵角色。這類人才，將是未來社會最為稀缺且核心的工種。   　　本書的撰寫，正是以此為出發點。其主要目標在於協助讀者有效建構AWS上的AI Agent管理體系，並進一步考取AWS-AIF認證。雖然這張認證屬於入門級別，但若能以嚴謹態度準備，便會發現其涵蓋範疇已經足以奠定從事AI Agent應用的知識背景與技術基礎，為未來職涯鋪路。   　　最後值得強調的是，AI Agent勢必將在全球掀起一股熱潮。筆者所在的公司，亦已經將多種類型的工作內容與AI Agent深度結合，無論是重複性任務，抑或創造性工作，皆已展現出巨大的潛能。這意味著，我們正站在一場產業與人才全面轉型的起點。   　　雲育鏈官網：www.cxcxc.io/ 　　雲育鏈LINE@：@cxcxc 　　雲育鏈FB粉絲頁：www.facebook.com/cxcxc.fans   本書特色   　　◆ 以供應鏈產銷的方式剖析勞動力，並以圖解方式說明AI Agent架構 　　◆ 附AI認證小幫手，協助考取各類雲端與AI認證 　　◆ 兼具系統性理論以及各類業務情境的AI Agent實作案例 　　◆ 讓AI人才專注業務，打造企業所需的新型AI管理人才 　　◆ 雲育鏈多年企業輔導與自身業務導入AI Agent經驗 【目錄】 推薦序 作者序 作者簡介 前導圖 PART I AI Agent的核心概念與實作 CHAPTER 00 緒論 少子化帶來的勞動力短缺問題 AI Agent成為勞動力替代品 AI Agent已用在現實生活中 AI Agent的管理與安全性 AI Agent帶來了新型人才的需求 CHAPTER 01 AI Agent與LLM_新人與職業角色介紹 單元摘要 大語言模型也需要像人力銀行的地方——Model Card與Bedrock Model Catalog 找LLM就像求才一樣 模型的自我介紹——Model Card 人才很多元，不同角度看都可以──Model的計價方式 英雄不論出身，遇事才知道適不適合──Model Compare 人會因為經歷不同，LLM也會因為資料集而不同 人才遴選跟模型評鑑其實很類似，市場上開始有些第三方依循的角度 單元結論 相關認證考題 技術關鍵字 CHAPTER 02 用Prompt來約束LLM_工作規範的必要性 單元摘要 職業角色的自我修養與企業規範──Prompt 與 Prompt Management 演員的自我修養──史坦尼詩拉夫斯基 LLM需要Prompt來做約束引導 規範的寫法也是一門學問──Prompt Engineering 只有職業角色描述的客服規範。Zero-Shot 除了職業角色描述，還添加了範例回應。Few-Shot 以模板的方式，填充字樣。Instruction-Template 引導性思考的規範。Chain-of-Thought 學習重點回顧 相關認證考題 技術關鍵字 CHAPTER 03 Knowledge創造AI Agent的獨特性_產品特點要看產品手冊 單元摘要 公司資料好多種，該用哪一種──Knowledge data type 沒有專業經驗的專家，還是專家嗎？ 資料的應用場景差異 資料檢索方式的變遷 資料向量化 向量資料庫 使用向量資料庫時常看到的查詢參數──撈資料也有訣竅！ 常見的向量資料提取參數 老闆、秘書與秘書的記事本──檢索增強生成（RAG）架構 人類世界對於資料先處理，記起來，後查詢 AI世界對於資料先向量化，後存放，再查詢 學習重點回顧 相關認證考題 技術關鍵字 CHAPTER 04 Tool串接第三方資訊系統_專業的事，就找專業的外包廠商 單元摘要 人要找廠商合作──LLM要串接外部資訊系統 我們做沒效率，就找外面廠商 找外面廠商，要打電話、寫信、約吃飯？ API, MCA, A2A 三大類工具的應用場景差異 兼容傳統Web資訊系統的API 兼容多種不同型態系統的MCP 把其他AI Agent變成溝通工具──A2A AI Agent 整合多個資訊應用系統的好處 人類世界的工作互動方式 讓主管像分派任務給執行者那樣，分配給AI Agent 搭配Tool之後的多種應用情境──如標案偵測 考試愛考的AWS相關Tool 學習重點回顧 相關認證考題 技術關鍵字 CHAPTER 05 Memory對用戶打造客製化服務_好客人上天堂，奧客住套房 單元摘要 記得每個用戶是應用的關鍵 客戶的行為，讓貫玄產生了印象 要讓AI Agent對客戶的行為產生印象 記憶的類型 聊天所產生的氛圍感──Context of Round Context of Round的缺點 簡便的標籤型記憶──Variable 重複性行為的記憶──Database 學習重點回顧 相關認證考題 技術關鍵字 CHAPTER 06 Workflow把業務流程穩定自動化_開公司就需要SOP把常態任務穩定化 單元摘要 工作SOP與Workflow 人類世界靠工作SOP確保產出品質 AI Agent靠Workflow確保產出的品質 未來會有Workflow監管的新職能 AI Agent Workflow的強項 業務邏輯的判斷不再是單純規則式判斷 學習重點回顧 相關認證考題 技術關鍵字 CHAPTER 07 核心概念回顧 核心概念篇的回顧與尚需知道的觀念一覽 PART II AI Agent的進階議題 CHAPTER 08 透過AWS_Bedrock了解AI Agent各個環節 單元摘要 企業的AI Agent需要串接多種語言模型，供彈性切換 企業用人多元，不同能力的人做不同的事，AI Agent也是 Bedrock與JumpStart讓用戶可選擇多種模型 各類模型常見的共同參數 Prompt的惡意攻擊方式 Prompt攻擊的種類 保護AI Agent的方法 為Prompt引入XML標籤作內容區分 在XML標籤內做salt加密 透過Guardrail做內容審查 AI Agent的效能評核檢測 Bedrock提供了BertScore作為評分 市場上常見的測試資料集與方法論 不同的情境用不同的測試資料集與方法論 監控、倫理、標準與法規 資安方法很多元，但要有公認規則認可 學習重點回顧 相關認證考題 技術關鍵字 CHAPTER 09 AWS提供的Knowledge解決方案 單元摘要 向量資料庫選型的角度 資料庫的選型思考角度 資料庫運行的成本 資料庫的欄位結構設計 向量資料庫的典範──李敖分屍法 向量資料庫把資料切成多個區塊 向量資料庫透過Metadata做向量與傳統搜尋的混合 資料匯入前的整理 資料Chunk大小的配置思路 Embedding模型的使用、版本記錄與測試 資料檢索策略的設計 向量資料檢索的方案 透過設定Top K，對準確度進行微調 對資料設定閥值做過濾，並對取出的資料作排序 Embedding模型的替換與版本管理 Embedding模型也有使用壽命 Embedding模型的優化辦法 監控與效能追蹤建議（Embedding Drifts） 流行用語一直變，向量相似度也會受影響 透過監控查詢結果，即時掌握Embedding Drift的狀況 AWS向量資料庫的解決方案 學習目標回顧 相關認證考題 技術關鍵字 CHAPTER 10 透過SageMaker 家族打造AI Agent生態系 單元摘要 透過SageMaker 生態系打造企業大模型，再優化AI Agent SageMaker Canvas──視覺清洗工作流 SageMaker Ground Truth──資料標籤校正 SageMaker Feature Store──標籤管理區 SageMaker Studio──程式編寫與建模 SageMaker Model Registry──模型存放管理 JumpStart – Serverless──調度推論模型 SageMaker Model Monitor──模型使用監控 學習重點回顧 相關認證考題 技術關鍵字 CHAPTER 11 企業助手_Q 單元摘要 Amazon Q──AWS提供的企業級AI Agent 經典的檔案分析與對話功能──upload and chat AI Agent必備的Knowledge 預防Q講出不存在的東西──Hallucination mitigation 把Q鑲嵌在公司的產品或網頁上──Q embedded 讓Q去調度外部系統──Plugin 學習重點回顧 相關認證考題 CHAPTER 12 新時代的AI應用案例展示_Simulearn 單元摘要 雲育鏈舊生持續學習的利器──Skill Builder AWS Industry Quest──宏觀了解一個產業對雲端的需求 以公司高層的角度看各部門的問題與需求 業務情境的相關知識與影片介紹 免費安全的實作環境 Simulearn新世代的AI產品──閃電霹靂車的阿斯拉 在資訊系統內植入AI Agent 使用資訊系統時，AI Agent提醒與協作 AI Agent仍需要有完整架構觀的人來帶領 學習重點回顧 PART III AI Agent的技術實作案例 CHAPTER 13 導讀 AI Agent平台選型 教材包取得 單元導覽 CHAPTER 14 在AWS上搭建Dify AI平台 實作目標與綱要 素材及關鍵參數 工作流程解析 實作過程 IAM-權限管理-建立使用者群組與帳戶 VPC-網路配置-建立放置機器的虛擬網路機房 EC2-虛擬機器-建立虛擬機器 連入到EC2虛擬機內 佈署Dify應用，連到Dify頁面，配置管理者帳密登入 建立IAM Role給EC2虛擬機，讓Dify有權限可以調度AWS Bedrock 先在AWS Bedrock啟動模型，在Dify設定模型供應商，串接AWS Bedrock 建立第一個Agent並使用AWS Bedrock模型進行對話測試 CHAPTER 15 透過CloudFormation打造Dify環境 業務應用情境 工作流程解析 實作資料 實作過程 透過CloudFormation搭建Dify環境 啟用Bedrock提供的大語言模型 找到Dify應用的IP，並登入 單元作業與衍伸目標 CHAPTER 16 透過Bedrock的Embedding模型做Knowledge 業務應用情境 工作流程解析 實作資料 實作過程 在Dify建立Knowledge 選用合適的Embedding模型 對Knowledge進行測試 引用至Dify的AI Agent 單元作業與衍伸目標 CHAPTER 17 透過Apps Script為公司內部打造一個AI可用的微型小資料庫 業務應用情境 工作流程解析 實作資料 實作過程 建立Spreadsheet 啟用該Spreadsheet的Apps Script 把Apps Script的程式碼部署成Web API 第一次在Dify調度該API 設定人類以自然語言方式，填入資料 透過Dify讀取Spreadsheet內的資料 單元作業與衍伸目標 CHAPTER 18 Dify搭配AWS Bedrock做語音自動監聽助理 業務應用情境 工作流程解析 實作資料 實作過程 安裝AWS Tool，用來串接AWS資源 匯入教材包的Workflow 設定語音客服助理路線 測試Workflow的效果 單元作業與衍伸目標 CHAPTER 19 Dify做考題辨識幫手 業務應用情境 工作流程解析 實作資料 實作過程 安裝用來調度AWS資源的AWS Tools 匯入Workflow設定檔 環境參數配置 上傳圖片進行視覺辨識 單元作業與衍伸目標 CHAPTER 20 Dify搭配AWS做Guardrail配置 業務應用情境 工作流程解析 實作資料 實作過程 單元作業與衍伸目標 CHAPTER 21 運用MCP調度第三方工具 實作目標與綱要 素材及關鍵參數 工作流程解析 實作過程 註冊並登入Zapier 生成MCP Server URL 設定好Zapier內Action的發信操作 設定MCP-SSE外掛並設定為Zapier MCP Server URL 建立Agent並完善Prompt，讓Agent調度MCP-SSE外掛工具 測試用對話來進行發信操作 單元作業與衍伸目標

建構多租戶SaaS架構｜使用AWS的原則、實踐與模式 (1版)

類似書籍推薦給您

【簡介】 　　想打造能隨業務成長而擴展的SaaS架構？  　　這本書不只談技術，更教你如何用策略思維為產品保留彈性。  　　「SaaS不只是技術選項，更是一種商業策略與決策思維。本書帶你從真實案例中，理解多租戶架構的多種實作方式與策略，幫助團隊不同階段做出最佳選擇，並保留未來的彈性。」 —Kim Kao，AWS台灣解決方案架構經理  　　「無論你是 SaaS 新手還是經驗豐富的專家，Tod的實戰洞見和歷經磨練的最佳實踐將幫助你架構穩健且可擴展的 SaaS 解決方案。」 —Toby Buckley，AWS資深解決方案架構師  　　軟體即服務（SaaS）正逐漸成為建構、交付及營運軟體解決方案的實際標準模式。採用多租戶SaaS架構，開發者將面對全新的架構設計、實現與營運的各種挑戰。像是資料如何分區、資源如何隔離、租戶如何驗證、微服務該如何建構，這些只是設計和開發SaaS產品時，必須關注的眾多領域中的一小部分。  　　在本書中，身為AWS全球SaaS技術領袖的Tod Golding提供了一個SaaS架構的全局觀，概述了每位架構師在建構SaaS環境時必須掌握的實用技術、策略和設計模式。  　　．描述、分類和定義核心的SaaS模式和策略  　　．識別關鍵構建區塊、權衡取捨與設計考量，這些都將影響你多租戶解決方案的設計與實作  　　．探討多租戶架構中的核心策略，包括租戶隔離、吵雜鄰居、資料分區、導入流程、身份驗證與上線後的開發與維運。  　　．探索多租戶架構如何影響微服務的設計和實現  　　．了解多租戶如何影響SaaS環境的營運足跡   【目錄】 推薦序  前言  chapter 01 SaaS理念  開始之處  轉向統一模型  重新定義多租戶  SaaS核心是一種商業模式  打造服務，而非產品  定義SaaS  結論  chapter 02 多租戶架構基礎  在架構中引入租戶概念  SaaS架構的兩大核心  控制平面的內部運作  應用平面的內部運作  灰色地帶  整合控制與應用平面  控制平面與應用平面的技術選型  避免絕對化  結論  chapter 03 多租戶部署模型  什麼是部署模型？  選擇部署模型  介紹獨立和共享模型  全堆疊獨立部署  全堆疊共享模型  混合全堆疊部署  混合模式部署模型  Pod部署模型  結論  chapter 04 租戶導入與身分管理  創建基礎環境  租戶導入體驗  建立SaaS身分識別  結論  chapter 05 租戶管理  租戶管理基礎  管理租戶布建  管理租戶生命週期  結論  chapter 06 租戶身分驗證與路由  進入系統入口  多租戶身分驗證流程  多租戶的路由驗證機制  不同技術的路由方式  結論  chapter 07 建構多租戶服務  設計多租戶服務  多租戶服務內部機制  隱藏和集中多租戶細節  攔截工具和策略  結論  chapter 08 資料分區  資料分區基礎  最佳化規模挑戰  關聯式資料庫分區  NoSQL資料分區  物件資料分區  OpenSearch資料分區  租戶資料分片  資料生命週期注意事項  多租戶資料安全性  結論  chapter 09 租戶隔離  核心概念  獨立模型的分層架構  部署期與執行期隔離  實際範例  管理隔離政策  結論  chapter 10 EKS(Kubernetes)SaaS：架構模式與策略  EKS在SaaS架構中的契合性  部署模式  路由考量  租戶導入與部署自動化  租戶隔離機制  節點類型選擇  EKS與無服務器計算的混合使用  結論  chapter 11 無伺服器SaaS：架構模式與策略  SaaS與無伺服器的完美結合  部署模型  路由策略  導入和部署自動化  租戶隔離機制  併發與吵雜鄰居  突破無伺服器運算的局限  結論  chapter 12 租戶感知營運  SaaS營運思維  多租戶營運指標  建構租戶感知營運控制台  多租戶部署自動化  結論  chapter 13 SaaS遷移策略  遷移的平衡藝術  遷移策略  起點的關鍵性  結論  chapter 14 分級策略  分級模式  實現分級  營運與分級  結論  chapter 15 SaaS無所不在  基本概念  架構模式  營運影響和考量因素  結論  chapter 16 生成式AI與多租戶架構  核心概念  導入租戶優化  應用一般多租戶原則  生成式AI定價與分級考量  結論  chapter 17 指導原則  願景、策略與組織結構  核心技術考量  營運思維  結論  索引

Python原力爆擊：OpenAI / Gemini / AWS / Ollama生成式AI應用新手指南 (1版)

類似書籍推薦給您

【簡介】 零框架，開啟生成式AI創新之旅！ 從地端到雲端，全面佈局—解鎖生成式AI攻略 最新ChatGPT 4.1 以及O系列模型範例 必看MCP - Model Context Protocol 教學 　　本書特色在於以Python為核心，從地端到雲端全方位解析生成式AI的應用開發。無需依賴繁瑣的框架，解放束縛，全書直接採用各大平台（如OpenAI、Gemini、AWS、Ollama）的原生API與SDK，讓讀者從零開始逐步掌握如何實作強大且高效的AI應用。書中不僅涵蓋地端模型，更延伸至雲端模型服務與Linebot實戰，案例豐富，技術細節講解深入，為初學者和進階開發者提供了一本兼具實用性與前瞻性的指南。 本書特色 　　▶全面採用平台原生SDK，徹底解放框架的束縛 　　▶從單一模型到多模態模型 　　▶最新OpenAI Realtime API、Response API與Agent SDK 　　▶本書範例原始碼：github.com/iangithub/pythonwithai 專業推薦 　　書中每一章皆以「動手做」為核心，透過逐步拆解的程式範例、常見踩坑指南，以及商業場景的延伸思考，讓讀者不僅學會工具操作，更能掌握背後的設計哲學。無論你是想將 AI 融入日常工作流程，或是構建下一代智慧應用，這本書都會是你的「原力覺醒手冊」——從點燃第一行程式碼，到釋放生成式 AI 的爆擊能量！ 　　張維元 / 資料科學家的工作日常 / https://portaly.cc/dsdaily 　　書中不僅提供了對生成式 AI 技術的清晰介紹，還通過實際案例及程式碼展示了如何在不同平台上應用這些技術。作者們以淺顯易懂的語言，將複雜的概念分解成容易理解的步驟，引導讀者從零開始，逐步掌握這些強大工具的使用方法。 　　在這個 AI 技術日新月異的時代，持續學習和適應新工具至關重要。通過閱讀這本書，不僅能夠學會如何使用當前最先進的生成式 AI 工具，還能建立起對相關技術的基本理解，為未來的學習和應用奠定基礎。 　　孫玉峰 Summit Suen 　　Microsoft AI MVP／AutoGPT Contributor／臺灣 R 語言社群共同主持人  【目錄】 Chapter 1 「讓 LLM 跑進你的電腦！」Ollama 本地部署 1.1 認識大型語言模型（LLM） 1.2 使用 Ollama 部署本地 LLM 1.3 設置開發環境 1.4 關於下載與部署 LLM 模型 Chapter 2 「Ollama創作工坊！」從文本生成到 AI Agent 的實踐 2.1 Prompt 設計與推理技巧 2.2 從文字生成到視覺解讀 2.3 多輪對話（chat）互動式 AI 助手 2.4 工具與函式呼叫：擴展模型能力 2.5 RAG 檢索與生成：知識庫驅動回應 2.6 AI Agent 智能代理新時代 Chapter 3 Amazon Bedrock 大型語言模型應用基礎篇 3.1 建立 AWS（Amazon Web Service）帳號 3.2 建立LLM 開發專屬使用者 3.3 使用LLM-USER 登入 3.4 Amazon Bedrock 大型語言模型 3.5 在 Amazon Bedrock 遊樂場中使用大型語言模型 - 文字生成 3.6 在 Amazon Bedrock 遊樂場中使用大型語言模型 - 圖像生成 3.7 在 Amazon Bedrock 遊樂場中使用大型語言模型 - 影像生成 Chapter 4 Amazon Bedrock大型語言模型應用進階篇 4.1 模型提煉 Amazon Bedrock Model Distillation 4.2 開發環境設置 4.3 呼叫Amazon Bedrock 上的大型語言模型 4.4 實作：Amazon Nova Canvas 圖像生成 4.5 打造 AI Agent - 熱門歌曲排行榜查詢 Chapter 5 OpenAI魔法箱 – 揭開生成模型的核心奧秘 5.1 OpenAI 帳號申請 5.2 模型介紹與基本知識 5.3 文字生成與多模態 5.4 Embedding 5.5 Batch 5.6 畫圖 5.7 TTS 與STT Chapter 6 OpenAI 升級實錄 – 深入探索無限生成可能 6.1 Tool Call 6.2 Structured Output 6.3 Predicted Outputs 6.4 Moderation 6.5 Realtime API 6.6 Response API 6.7 Agent SDK 與 MCP Chapter 7 「LINE Bot × Gemini奇幻探險」搭建對話機器人的基礎藍圖 7.1 認識 Gemini 系列模型及 Google AI Studio 線上整合開發環境 7.2 認識 Vertex AI 平台及 Express 免費快速體驗模式 7.3 使用 Postwoman（Hoppscotch）串接及測試 Gemini API 7.4 認識 LINE Bot 訊息格式及使用 Flex 彈性訊息模擬器 7.5 建立 LINE 官方帳號及啟用 Messaging API 7.6 設定 LINE Bot 的 Google Colab 線上 Python 開發環境 Chapter 8 「LINE Bot × Gemini終極密訣」進階開發智慧對話的全新路徑 8.1 實戰 Gemini 程式碼執行、函式呼叫、多模態 Live API、音訊處理 8.2 實戰 Gemini 以 Google 搜尋建立基準、文件解讀、微調 8.3 實戰 Gemini 結構化輸出：生成 LINE 的 Flex 彈性訊息 8.4 實戰 LINE 接收圖片及在等待回覆時顯示載入動畫 8.5 召喚 Gemini，實作 AI 美食評論家 LINE Bot 小幫手  

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