平台假象：拆解超級平台的神話，分析數位生態系的深層特徵，建立在數位環境中不被吞噬的結構性優勢
類似書籍推薦給您
【簡介】
《紐約時報》《金融時報》《出版商週刊》盛讚好評
《哈佛商業評論》專訪推薦
叱吒風雲的尖牙企業並非堅不可摧
投資銀行家X哥倫比亞教授解構FAANG的真實優勢
教你洞悉數位環境中商業運作顛撲不破的底層邏輯
發現電子商務、數位旅遊、共享經濟、網路廣告的商機
投資原創內容反而削弱Netflix的經營優勢？
空間共享相對於汽車共乘，Airbnb為什麼勝過Uber？
瞄準專業小眾市場的Etsy和1stDibs，竟能勝過Amazon老大哥？
平台不是保證成功的密碼，尖牙股大巨頭也有弱點，
掌握商業本質，建立長期成功的優勢基礎。
接連顛覆產業規則的Facebook、Apple、Amazon、Netflix與Google這五家尖牙股FAANG企業，雖然看似不可一世，其實在許多產業領域或國家地區都不是龍頭，甚至居於劣勢地位。企業經營成功的根本源頭是自身的結構性優勢，唯有正視商業的存續要件，增強實力，建立供需面的規模化優勢，才能戰勝弱項，鞏固永續成功的基本盤。
本書作者強納森．尼，是著名的高盛、摩根士丹利投資銀行家兼哥倫比亞大學教授，他提出獨特的角度，從投資、經營的結果，仔細檢視平台企業實際的成效，逐一破除四大平台神話，拆穿FAANG稱霸世界的妄言：
◎平台是翻天覆地的全新商業模式
◎數位平台結構優於傳統平台
◎所有平台都展現強大的網絡效應
◎網絡效應必定造就贏家通吃的市場
在尼教授眼中看來，人人朗朗上口的網絡效應、平台經濟、大數據等，是一窩蜂的網路流行語，是迷惑人的誘餌，投資人、創業家、經營者必須回歸商業不變的本質。投資或經營策略如果沒有經過認真思辨與驗證，將無法為我們帶來真實的獲利與收益。
發掘數位邊角的潛在商機
本書立足於堅實的研究基礎，爬梳FAANG並橫跨電子商務、數位旅遊、共享經濟、網路廣告、媒體、軟硬體等產業數十家企業的沿革、商業模式與勁敵，指引你發現未被滿足的細分類別，領先加入最有商機的產品和地域，為自己創造源源不絕的價值！
國內外專業推薦
政大商學院副院長兼EMBA執行長 邱奕嘉
iKala 共同創辦人暨執行長 程世嘉
臺灣大學經濟系副教授 馮勃翰
美國財政部前次長 穆茲尼奇 Justin Muzinich
《巨頭的詛咒》作者 吳修銘 Tim Wu
普立茲獎得主暨《迪士尼戰爭》作者 斯圖爾特 James B. Stewart
時代華納前董事長暨執行長 貝克斯 Jeff Bewkes
凱雷集團董事暨聯邦通訊委員會前主席 杰納科夫斯基 Julius Genachowski
各界好評
揭開來自矽谷最大迷思的魔幻面紗。——《紐約時報》
論點說服力十足又引人入勝，細密爬梳各家平台及其支持者錯綜複雜的關係，讀來平易近人又出乎意料。——《出版商週刊》
採取宏觀的視角，探索大型科技企業成功的原因。——《金融時報》
尼教授是一位才華洋溢又魅力十足的作家。他對數位商業模式的看法不見得所有人都會同意，但他不會對常見觀點照單全收，反而鼓勵進行思辨，這對決策者和投資人來說都無比重要。——賈斯汀．穆茲尼奇（Justin Muzinich），美國財政部前次長
每個世代都常自我感覺良好，認為自己發明了全新的商業規則。強納森．尼筆下這本書毋寧是當頭棒喝，揭穿我們可笑的妄想，再次教導我們，商業基本原理的轉變可能沒有你想像得那麼巨大。每個人都應該讀這本書。——吳修銘（Tim Wu），《巨頭的詛咒》作者
強納森．尼毫不留情地剖析美國名聲響亮的科技巨擘引發的各種噱頭炒作和痴心妄想，凸顯哪些企業才真正擁有令人欣羡的競爭優勢，有機會帶給投資人優渥報酬。我敢打包票，你讀完必定和我一樣跌破眼鏡。——詹姆斯．斯圖爾特（James B. Stewart），普立茲獎得主暨《迪士尼戰爭》作者
只要你投資過數位平台、是數位平台員工或與數位平台競爭，就需要讀這本書。你將明白這些平台是如何獲得當前龍頭地位、未來的發展方向、新興數位寵兒可能成功或失敗的原因。這是一本不可或缺的超凡聖經，不僅適用於平台企業，更適用於所有企業。——傑夫．貝克斯（Jeff Bewkes），時代華納前董事長暨執行長
這是一本令人刮目相看的大作，深掘數位經濟的傳統看法，探討其前所未有的複雜度，提供重要洞察給商業領袖和決策者參考。《平台假象》出版得正是時候，不僅具指標意義，更提供一盞明燈。——朱柳斯．杰納科夫斯基（Julius Genachowski），凱雷集團董事暨聯邦通訊委員會前主席
作者介紹
作者簡介
強納森．尼（Jonathan A. Knee）
哥倫比亞大學商學院媒體與科技專業實務教授、媒體與科技學程共同主任。三十年來，他撰寫無數專欄評論、書評和雜誌文章，主題遍及文化、商業、法律、經濟與公共政策，作品散見於《大西洋月刊》、《華爾街日報》、《紐約時報》、《華盛頓郵報》等。自2014年以來，曾長期擔任《紐約時報》交易錄（Dealbook）的Book Entry專欄作家。
尼擁有超過二十五年的投資銀行家資歷，先後在高盛與摩根士丹利集團任職高階經理人，目前仍是投資銀行Evercore Partners資深顧問。著有《投資銀行交易祕辛：二十年目睹華爾街怪現象》、《Class Clowns》，亦合著有《被詛咒的巨頭》。
譯者簡介
林步昇
鍾情於綠豆的貓奴，翻譯是甜蜜的負荷，配音為後半生志業，希冀用文字與聲音療癒自己與他人，近期譯作包括《這樣說，孩子願意配合與改變》、《醫者無懼》、《尋歡作歡》等。本書深入討論五大科技企業（FAANG）成功的複雜因素，指出「網絡效應」的認知誤區，層層剝開這些企業不想讓人知道的真相。
【目錄】
前 言
PART
數位優勢與劣勢
第1 章 平台假象的四大構成要素
第2 章 供給面與需求面的規模化優勢
第3 章 數位競爭優勢的來源
PART 2
科技巨擘的實力與弱點
第4 章 Facebook 網絡效應穩固卻有隱憂
第5 章 Amazon 的無敵光環沒道理
第6 章 Apple 立足品牌價值尚缺全新產品
第7 章 原創內容絕對不是Netflix 的王道
第8 章 Google 成功在把廣告賣到超乎水準
PART 3
傳統與新創業者的潛力領域
第9 章 電子商務：還有Amazon 賣不了的東西
第10 章 數位旅遊：全球航空訂位系統的經營韌性
第11 章 旅行就是生活：Priceline 市值千億美元的祕密
第12 章 共享經濟：Uber 為何絕對比不上Airbnb
第13 章 網路廣告：廣告狂人轉型定位絕地反攻
第14 章 大數據與人工智慧：明辨兩者的輕重
後 記 新創熱潮，是解藥還是一種病？
立即查看
數位神探 現代福爾摩斯的科技辦案：10個犯罪現場偵蒐事件簿
類似書籍推薦給您
內容簡介
本書使用短篇小說的筆法，以偵探辦案述說情節的方式，針對電腦科技、手機、網路等可能發生的資料問題抽絲剝繭，告訴你應該如何面對與防範。從科技偵蒐、證據追蹤、數位鑑識、反駭客入侵手段……全方位讓你成為數位時代的神探福爾摩斯。目錄
第一章 現代福爾摩斯
第二章 iOS 愛與恨
第三章 看不見的無線線索
第四章 永不磨滅的記憶深處
第五章 旅行的意義
第六章 亂碼裡的玄奇
第七章 LINE 的誘惑
第八章 數位身分證
第九章 反鑑識的逆襲
第十章 影像中的數字奧秘
立即查看
30分鐘超神數位漫畫速成技：ComicStudio x Photoshop
類似書籍推薦給您
立即查看
全格局使用PyTorch：深度學習和圖神經網路 基礎篇（二版） (2版)
類似書籍推薦給您
立即查看
AI GNN再進化-圖神經網路完整學習及應用大全 (1版)
類似書籍推薦給您
內容簡介
本書全面介紹了圖神經網路的各個方面，包括基礎理論、前沿問題，以及模型算法和實際應用。
全書共分為四部分，27章。首部分為引言，探討了機器學習的效率與資料在特徵空間中的表示方法的關係，並著重於圖表示學習的目標與方法。
第二部分討論了圖神經網路的基礎問題，包括表現能力、可擴展性、可解釋性和對抗堅固性等問題，並強調了圖神經網路所面對的獨特挑戰。
第三部分則著重於前沿問題，包括圖分類、連接預測、圖生成、圖轉換、圖匹配、圖結構學習、動態圖神經網路、異質圖神經網路、自動機器學習和自監督學習等領域的現狀和未來趨勢。
最後一部分則廣泛討論了圖神經網路在現代推薦系統、計算機視覺、自然語言處理、程序分析、藥物開發等領域的應用。
目錄
第一部分 引 言
第1章 表徵學習
1.1 導讀
1.2 不同領域的表徵學習
1.3 小結
第2章 圖表徵學習
2.1 導讀
2.2 傳統圖嵌入方法
2.3 現代圖嵌入方法
2.4 圖神經網路
2.5 小結
第3章 圖神經網路
3.1 導讀
3.2 圖神經網路概述
3.3 小結
第二部分 基 礎
第4章 用於節點分類的圖神經網路
4.1 背景和問題定義
4.2 有監督的圖神經網路
4.3 無監督的圖神經網路
4.4 過平滑問題
4.5 小結
第5章 圖神經網路的表達能力
5.1 導讀
5.2 圖表徵學習和問題的提出
5.3 強大的訊息傳遞圖神經網路
5.4 比1-WL測試更強大的圖神經網路架構
5.5 小結
第6章 圖神經網路的可擴充性
6.1 導讀
6.2 引言
6.3 抽樣範式
6.4 大規模圖神經網路在推薦系統中的應用
6.5 未來的方向
第7章 圖神經網路的可解釋性
7.1 背景：深度模型的可解釋性
7.2 圖神經網路的解釋方法
7.3 圖神經網路的可解釋模型
7.4 圖神經網路解釋的評估
7.5 未來的方向
第8章 圖神經網路的對抗堅固性
8.1 動機
8.2 圖神經網路的局限性：對抗性樣本
8.3 可證明的堅固性：圖神經網路的驗證
8.4 提高圖神經網路的堅固性
8.5 從堅固性的角度進行適當評估
8.6 小結
第三部分 前 沿
第9章 圖分類
9.1 導讀
9.2 用於圖分類的圖神經網路：典型工作和現代架構
9.3 池化層：從節點級輸出學習圖級輸出
9.4 圖神經網路和高階層在圖分類中的局限性
9.5 圖神經網路在圖分類中的應用
9.6 基準資料集
9.7 小結
第10章 連結預測
10.1 導讀
10.2 傳統的連結預測方法
10.3 以GNN為基礎的連結預測方法
10.4 連結預測的理論
10.5 未來的方向
第11章 圖生成
11.1 導讀
11.2 經典的圖生成模型
11.3 深度圖生成模型
11.4 小結
第12章 圖轉換
12.1 圖轉換問題的形式化
12.2 節點級轉換
12.3 邊級轉換
12.4 節點-邊共轉換
12.5 其他以圖為基礎的轉換
12.6 小結
第13章 圖匹配
13.1 導讀
13.2 圖匹配學習
13.3 圖相似性學習
13.4 小結
第14章 圖結構學習
14.1 導讀
14.2 傳統的圖結構學習
14.3 圖神經網路的圖結構學習
14.4 未來的方向
14.5 小結
第15章 動態圖神經網路
15.1 導讀
15.2 背景和標記法
15.3 動態圖的類型
15.4 用圖神經網路對動態圖進行建模
15.5 應用
15.6 小結
第16章 異質圖神經網路
16.1 HGNN簡介
16.2 淺層模型
16.3 深度模型
16.4 回顧
16.5 未來的方向
第17章 自動機器學習
17.1 背景
17.2 搜尋空間
17.3 搜尋演算法
17.4 未來的方向
第18章 自監督學習
18.1 導讀
18.2 自監督學習概述
18.3 將SSL應用於圖神經網路：對訓練策略、損失函數和代理任務進行分類
18.4 節點級代理任務
18.5 圖級代理任務
18.6 節點-圖級代理任務
18.7 討論
18.8 小結
第四部分 廣泛和新興的應用
第19章 現代推薦系統中的圖神經網路
19.1 圖神經網路在推薦系統中的實踐
19.2 案例研究1：動態的GNN學習
19.3 案例研究2：裝置-雲端協作的GNN學習
19.4 未來的方向
第20章 電腦視覺中的圖神經網路
20.1 導讀
20.2 將視覺表徵為圖
20.3 案例研究1：影像
20.4 案例研究2：視訊
20.5 其他相關工作：跨媒體
20.6 圖神經網路在電腦視覺中的前端問題
20.7 小結
第21章 自然語言處理中的圖神經網路
圖神經網路
21.1 導讀
21.2 將文字建模為圖
21.3 案例研究1：以圖為基礎的文字聚類和匹配
21.4 案例研究2：以圖為基礎的中繼站閱讀理解
21.5 未來的方向
21.6 小結
第22章 程式分析中的圖神經網路
22.1 導讀
22.2 程式分析中的機器學習
22.3 程式的圖表徵
22.4 用於程式圖的圖神經網路
22.5 案例研究1：檢測變數誤用缺陷
22.6 案例研究2：預測動態類型化語言中的類型
22.7 未來的方向
第23章 軟體挖掘中的圖神經網路
23.1 導讀
23.2 將軟體建模為圖
23.3 相關的軟體挖掘任務
23.4 軟體挖掘任務實例：原始程式碼總結
23.5 小結
第24章 藥物開發中以圖神經網路為基礎的生物醫學知識圖譜挖掘
生物醫學知識圖譜挖掘
24.1 導讀
24.2 現有的生物醫學知識圖譜
24.3 知識圖譜的推理
24.4 藥物開發中以KG為基礎的假設生成
24.5 未來的方向
第25章 預測蛋白質功能和相互作用的圖神經網路
25.1 從蛋白質的相互作用到功能簡介
25.2 三個典型的案例研究
25.3 未來的方向
第26章 異常檢測中的圖神經網路
26.1 導讀
26.2 以GNN為基礎的異常檢測的問題
26.3 管線
26.4 分類法
26.5 案例研究
26.6 未來的方向
第27章 智慧城市中的圖神經網路
27.1 用於智慧城市的圖神經網路
27.2 未來的方向
參考文獻
原價:
1200
售價:
1080
現省:
120元
立即查看
華通書坊
