Stata基礎操作與統計模型應用 (2版)
其他會員也一起購買
書名：Stata基礎操作與統計模型應用(二版)
作者：劉彩卿, 陳欽賢
出版社：雙葉
出版日期：2020/05/00
ISBN：9789579096690
內容簡介
Stata為廣泛運用的統計套裝軟體，擁有完整的官方教學資源與簡易的操作指令，不僅適合數據分析的新手，對於資深研究員亦極為助益。新近因大數據的應用大幅成長，坊間對資料處理與分析技術的需求若渴，本書應運而生，作者以多年的使用心得及發表於國際期刊的研究成果經驗彙整而成。
Stata本書是第一本以繁體中文撰寫，介紹Stata軟體應用的書籍，除了內容兼具軟體基礎操作（實務）與統計應用（理論），第二版更新增以下內容：
1. Stata 16 新功能的介紹，實例介紹 Stata 16 新增的資料處理、匯入匯出、視覺化功能及其他分析軟體套件應用。
2. 新增總體經濟與財務金融常用的時間序列分析及應用。
目錄
PART 1 常用的Stata基本操作指令
第01章 Stata 軟體安裝程序
1-1 安裝程序
1-2 Stata 16版本介紹
1-3 安裝較低階版本
1-4 首次開啟與更新
第02章 Stata 的操作介面
2-1 主要視窗
2-2 工具列視窗
第03章 Stata 的資料建立與清理
3-1 基本語法
3-2 資料建立
3-3 合併資料庫
3-4 資料屬性與資料清理
第04章 資料描述與資料匯出
4-1 資料描述與製表
4-2 資料繪圖
4-3 資料匯出與產出結果匯出
4-4 匯入與匯出ODBC檔案
PART 2 統計模型的分析應用
第05章 變異數分析
5-1 單項式變異數分析
5-2 多項式變異數分析
第06章 連續性變數的複迴歸分析
6-1 理論基礎與模型架構
6-2 最小平方法複迴歸分析
6-3 逐步迴歸分析法
6-4 最小平方法下的迴歸預測
6-5 相關檢定與檢測方法
6-6 描繪最小平方法迴歸方程式
第07章 不連續變數的複迴歸分析
7-1 間斷性變數：Probit與Logit模型架構
7-2 Probit模型分析法與迴歸預測
7-3 Logit模型分析法與迴歸預測
7-4 Probit與Logit模型的比較
7-5 Probit與Logit相關檢定
7-6 可數性變數：負二項與卜瓦松分配模型
7-7 負二項與卜瓦松分配模型的選擇
7-8 負二項或卜瓦松分配模型的迴歸預測
第08章 聯立迴歸方程式分析方法
8-1 理論基礎與模型架構
8-2 二階最小平方法
8-3 Bivariate Probit
8-4 Recursive Bivariate Probit
8-5 三階段最小平方法
第09章 橫斷面追蹤資料估計模型
9-1 理論基礎與模型架構
9-2 橫斷面追蹤資料：迴歸模型估計法
9-3 橫斷面追蹤資料：Tobit模型估計法
9-4 橫斷面追蹤資料：Probit與Logit模型分析法
9-5 橫斷面追蹤資料：負二項模型分析法
第10章 存續迴歸估計模型
10-1 理論基礎與模型架構
10-2 未被設限的資料
10-3 被設限的資料
10-4 間斷的依時共變數
10-5 連續的依時共變數
10-6 強力估計變異數
10-7 描繪存活與危險方程式
10-8 描繪平滑危險方程式
第11章 分量迴歸估計模型
11-1 理論基礎與模型架構
11-2 分量迴歸模型
11-3 Bootstrap分量迴歸
11-4 聯立分量迴歸
11-5 相關檢定
11-6 分量間距迴歸
11-7 繪製分量迴歸方程式
第12章 時間序列基本分析
12-1 資料庫時間設定
12-2 定態時間序列
12-3 ARMA模型
12-4 ARMAX模型
12-5 ARCH/GARCH模型
12-6 向量自我迴歸模型
12-7 單根檢定
12-8 ARIMA模型
12-9 時間序列模擬
立即查看
Python 函式庫語法範例字典
相關熱銷的書籍推薦給您
商品描述
<內容簡介>
彙整最常使用的 Python 函式庫語法
功能索引 + 字母順序查詢,
隨查隨用, 快速解決問題！
Python 是近來非常熱門的程式語言, 原因之一就是具有豐富的標準函式庫及第三方套件可以使用, 用途涵蓋字串處理、數值計算、資料壓縮與封存、XML與 JSON 存取等層面。本書集合 Python 常用的函式及模組功能, 依用途分門別類, 提供詳細的使用說明、豐富的語法範例, 讓使用者可以在短時間內找到、學會函式的正確使用方式, 在撰寫程式時更加得心應手！
<本書特色>
● 依功能分類, 每個函式都以豐富範例實際演練用法
● 目錄上列有函式名稱與用途說明, 可依據名稱或是用途查詢
● 可依字母順序快速查詢想使用的函式功能
● 本書嚴選的模組功能包括：
argparse／array／base64／beautifulsoup4／bisect／bz2／collections／ConfigParser／csv／datetime／dateutil／decimal／doctest／email／enum／fnmatch／glob／gzip／heapg／io／itertools／json／logging／lxml／lzma／math／multiprocessing／openpyxl／os／pathlib／paramiko／pdb／Pillow／pprint／PyCrypto／pydoc／pytest／pytz／random／re／requests／shutil／statistics／subprocess／sys／tartile／tempfile／time／timeit／traceback／unicodedata／unittest／unittest.mock／urllib.parse／weakref／xml.etree.ElementTree／yaml／zipfile／zlib
● 適用 Python 3
立即查看
量表編製與統計分析：使用Python語言 (1版)
類似書籍推薦給您
立即查看
Python 論文數據統計分析 (1版)
類似書籍推薦給您
Python論文數據統計分析
ISBN13：9786263177246
出版社：五南圖書出版
作者：洪煌佳
裝訂／頁數：平裝／464頁
規格：23cm*17cm*2.3cm (高/寬/厚)
重量：770克
版次：1
出版日：2022/04/10
中國圖書分類：電腦程式語言
運用Python進行資料分析，讓數據說話，有效達成論文目標。
⊙統計分析初學者最佳實用手冊，精要理論＋手把手操作教學。
⊙內容涵蓋論文寫作常用的敘述統計、推論統計、非參數檢定，並延伸至結構方程模式，對於需要撰寫論文但對統計方法不熟悉的研究生尤其受用。
⊙適用於社會科學領域的學生和研究人員，特別是碩博士量化研究論文應用在問卷調查方面的分析、多變量研究、實驗設計與統計課程等項目。
需要的論文統計分析方法都在這裡！
受限於軟體工具的取得，研究者有可能面臨雖掌握足夠的數據資料，卻缺乏專業統計分析工具的窘境。本書介紹的Python為開放原始碼的開源軟體，解決統計分析軟體高成本、難入手的研究門檻，對於學術工作帶來極大的便利性與可及性，可協助提升研究專業能力。
Python的應用具有寬廣的發揮度，比如透過網路爬蟲抓取即時資料作大數據分析、編寫程式來加大對議題鑽研的深度與廣度的可能性，也能更加深入嘗試使用該工具來完成數據分析工作並獲得良好成果。書中內容在有關統計學部分作基礎概念解說，並偏重在數據分析的手把手教學步驟示現，讓初學者或者是有論文需求者可以按照內容簡易操作，並達成高效率地論文數據統計分析目標。
目錄
第 1 章 Python軟體介紹
1.1 Python的發展
1.2 安裝Python軟體
1.3 整合開發環境的概念
1.4 Anaconda Prompt管理模組
1.5 常用整合開發環境
Python手把手教學 01：執行第一支Python程式
第 2 章 數據資料的測量與建立
2.1 數據的統計與測量
2.2 資料建立與編碼簿
2.3 登錄資料與資料儲存
Python手把手教學 02：建立CSV檔案資料
第 3 章 Python的Pandas庫進行數據分析
3.1 Python Pandas庫介紹
3.2 模組、套件包與工具庫
3.3 載入模組與套件
3.4 Pandas 讀取資料
3.5 資料檢視與基本操作
Python手把手教學 03：資料讀取與輸出
第 4 章 Pandas數據資料處理
4.1 Pandas資料檢視
4.2 Pandas資料篩選
4.3 Pandas資料清理
4.4 Pandas資料轉換
4.5 Pandas資料統計
4.6 Pandas匯出儲存檔案
Python手把手教學 04：數值計算與新增行標籤
第 5 章 數值資料分析與視覺化：Numpy及matplotlib
5.1 為什麼需要資料視覺化？
5.2 NumPy的基礎ndarry陣列與運算
5.3 matplotlib視覺化套件應用
Python手把手教學 05：資料視覺化
第 6 章 平均數檢定
6.1 t檢定的概念
6.2 執行t檢定
Python手把手教學 06：獨立樣本t檢定
第 7 章 變異數分析
7.1 變異數分析的概念
7.2 單因子重複量數變異數分析
7.3 單因子變異數分析
7.4 二因子變異數分析
7.5 二因子變異數分析：混合設計
Python手把手教學07：單因子變異數分析
第 8 章 非參數檢定
8.1 非參數檢定的概念
8.2 二組獨立樣本的非參數檢定
8.3 多組樣本的非參數檢定
Python手把手教學08：非參數檢定
第 9 章 相關與迴歸分析
9.1 相關分析的概念
9.2 相關分析的執行
9.3 線性迴歸分析的概念
9.4 線性迴歸分析的執行
Python手把手教學09：多元迴歸分析
第 10 章 項目分析與信度
10.1 項目分析的概念與執行
10.2 信度分析的概念與執行
Python手把手教學10：項目分析與信度分析
第 11 章 因素分析
11.1 因素分析的概念
11.2 因素分析執行
Python手把手教學11：因素分析
第 12 章 類別資料分析
12.1 類別資料分析的概念
12.2 執行卡方檢定
Python手把手教學12：卡方獨立性檢定
第 13 章 結構方程模式
13.1 驗證性因素分析的概念
13.2 驗證性因素分析的執行
13.3 結構方程模式的概念
13.4 結構方程模式的執行
Python手把手教學13：驗證性因素分析
立即查看
PYTHON 程式設計─數據分析與深度學習 (2版)
類似書籍推薦給您
作(編/譯)者 : 白文章‧白子宣 編著 出版年份 : 2022
ISBN : 9789579548427 書號 : 5270512
幾色 : 1 規格 : 18K
發行公司 : 普林斯頓 版權日期 : 2022/08/01
版次 : 二版修訂 頁數 : 496
分別 : 普林斯頓
內容簡介
本書自初版發行後，許多新的技術、平台與應用，又有不少改變。為了因應資訊領域和 Python 實務應用上的需求，本書進行大幅度的改版，並加入許多新的題材與應用範例。
做為學習程式設計與人工智慧應用的語言，Python 讓使用者專注於解決問題，不需要花很多時間去搞清楚語言本身的結構和規則，近年來在人工智慧與機器學習的應用也越來越廣泛。
此回內容增加人工智慧與深度學習的應用，並加強了人工智慧、機器學習與數據分析技術這二者關係的連結。除了 Scikit-learn 工具之外，本書新增 Tensorflow 和 Keras，使用簡單的範例引導讀者學習人工智慧與深度學習。內容包括人工智慧的簡介，以及機器學習原理和 Python 深度學習範例，讓讀者瞭解如何運用 Python，進行程式撰寫與基本深度學習應用。
本書的內容相當豐富，不僅包含 Python 程式設計基礎，還涵蓋 Python 多種套件應用，而且在人工智慧與機器學習、深度學習都有不少的實務範例，是學習 Python 程式設計與機器學習應用的最佳入門用書。
目錄
Part 1 導 論
Chapter 1 智能數據分析與Python語言
Chapter 2 Python開發環境
Part 2 Python程式設計基礎
Chapter 3 初探Python程式
Chapter 4 資料型態與運算
Chapter 5 流程控制敘述
Chapter 6 函 式
Chapter 7 檔案處理
Part 3 數據分析應用
Chapter 8 網路爬蟲
Chapter 9 NumPy陣列結構處理
Chapter 10 Pandas數據結構處理
Chapter 11 資料預處理
Chapter 12 資料視覺化
Part 4 進 階
Chapter 13 數據分析技術
Chapter 14 機器學習
Chapter 15 人工智慧應用
立即查看
Python 程式設計：大數據資料分析 (1版)
類似書籍推薦給您
書名：PYTHON程式設計｜大數據資料分析
出版社：碁峰
出版年月：201811
條碼：9789864769575
內容簡介
想成為一位卓越的資料科學家嗎? 不要猶豫了，這是你必備的一本參考書。
‧從Python程式語言介紹，到NumPy、pandas，以及MatplotLib套件的探討，讓你可以輕易的將大數據資料加以分析、並將結果視覺化，為決策者提供最佳的方案。
‧對開放資料平台上的常用的資料格式，如XML、JASON、CSV等三大類加以解說，讓你對資料的格式有所認知。
‧同時論及網頁資料擷取所需要的requests、urblib3、beatuifulsoup，以及Selenium套件，讓你往後在任何開放資料的平台上擷取資料，能夠得心應手。
‧配合豐富的擷取開放平台資料範例，讓你可以了解實際的運作過程。
作者介紹
作者簡介
蔡明志
國立交通大學資訊工程博士
輔仁大學資管系副教授
專長
大數據分析與應用
機器學習
行動裝置App開發
智慧醫療
著作
主要的著作為C和C++程式語言或與其相關的題材
目錄
chapter 01 Python 簡介
chapter 02 基本程式設計
chapter 03 選擇你想要的
chapter 04 重複執行某些事
chapter 05 激起更多的火花
chapter 06 分工合作更有效率
chapter 07 字串
chapter 08 儲存資料的好幫手
chapter 09 多維串列
chapter 10 數組、集合與詞典
chapter 11 檔案的 I/O 與異常處理
chapter 12 物件導向程式設計
chapter 13 資料分析能力
chapter 14 資料視覺化
chapter 15 開放平台的資料格式
chapter 16 網頁資料的擷取
appendix A 各章習題參考解答
立即查看
AI 神助攻！程式設計新境界 - GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯 (1版)
類似書籍推薦給您
【簡介】
【程式設計新浪潮 . 開發生態大革命】
你還在研讀程式語法手冊？還在網路上找程式碼來修修改改？還要繼續埋首在手刻程式碼的低效循環中掙扎嗎？就是現在，程式設計生態發生了史無前例的變革！
GitHub Copilot 是由 GitHub 與 OpenAI 大型語言模型（LLMs）合作開發的 AI 程式設計助手，它從巨量程式碼庫中學會所有的程式設計技巧，將人類過往的程式精華融為一體。只要你學會用正確的方法、下達明確的提示詞、妥善地用自然語言與其溝通，就能發揮它的無窮力量，大幅幫助你提高開發軟體的成效。
本書作者：兩位資訊教育學家 Leo Porter 博士與 Daniel Zingaro 博士為了 AI 程式設計時代的到來，在本書規劃出「函式設計循環」流程，整本書的編排圍繞著這個設計循環所需的技能，一遍遍演練、一步步學會進入 AI 程式設計必備的新技能。幫助你以正確的方式掌握 Python 程式設計（當然，其它程式語言也適用），高效快速解決實務上的任務。
【開發程式的重點：從寫程式轉換為寫提示詞】
與傳統的入門程式設計課程相比，使用 GitHub Copilot 協助寫程式需要學習新的技能，特別是問題分解、提示工程、測試與除錯技巧（如果您對這些技能還不太熟悉也無需擔心，本書都會詳細介紹），這些新技能對於現職的程式設計師來說同樣重要。
在以往傳統的程式設計課程中，學生往往需要將精力灌注在語法的細節上，然而在 AI 時代，程式語法已經有 GitHub Copilot 這位大神在身邊，完全不用你操心，你該學的是如何用自然語言，寫出有意義且 AI 工具能正確理解的提示詞，讓它為你寫出符合預期的程式碼。如果你真的很不會寫提示詞，Copilot 除了能夠反向幫助程式產生提示詞，甚至還可以利用提示模式（prompt patterns）翻轉問答對象，讓 Copilot 主動提問以達成你的目標。
本書特色:
● 精心設計為 AI 工具而生的函式設計循環。
● 使用與業界接軌的 Visual Studio Code 開發工具。
● 善用 Copilot Chat、inline Chat 提高生產力好助手。
● 撰寫提示詞：學會用 AI 看得懂的自然語言溝通。
● 看懂程式碼：程式由 AI 寫, 但你需要看得懂。
● 問題分解：用 Top-Down 設計將大問題分解成小任務。
● 測試案例：設計常見案例與邊界案例確認函式正確。
● 除錯技巧：當 AI 使不上力的時候要學會自救。
● 從設計模式轉變為提示模式的初體驗。
【目錄】
目錄:
第 1 章 GitHub Copilot 簡介
1.1 本書用到的技術
1.1.1 GitHub Copilot 就是寫程式的 AI 助手
1.1.2 GitHub Copilot 背後運作方式
1.2 GitHub Copilot 改變寫程式的方式
1.3 GitHub Copilot 能幫我們做什麼其他事情？
1.4 使用 Github Copilot 的風險與挑戰
1.5 技能需求
1.6 AI 程式助手（如 Copilot）帶來的顧慮
第 2 章 GitHub Copilot 入門
2.1 使用 Copilot 必備工具
2.1.1 需要註冊 GitHub 帳號
2.1.2 需要安裝 Python 延伸模組
2.1.3 需要安裝 VS Code
2.2 設定您的開發環境
2.3 在 Visual Studio Code 中使用 Copilot
2.3.1 設定工作資料夾
2.3.2 檢查設置是否能正常運行
2.4 常見的 Copilot 問題
2.5 在 VS Code 中用 Copilot 產生程式碼
2.6 第一個程式任務
2.6.1 Copilot 在資料處理任務中的價值
2.6.2 計算 Aaron Rodgers 在 2019~2022 年的傳球碼數
2.6.3 查出那段期間所有四分衛的表現
2.6.4 將傳球碼數統計資料繪製成圖表
第 3 章 設計函式
3.1 函式（Functions）
3.1.1 函式的組成
3.1.2 使用函式
3.2 函式的好處
3.3 呼叫函式的執行順序與函式的不同角色
3.3.1 瞭解呼叫函式的執行順序
3.3.2 函式的其它角色
3.4 函式的合理任務
3.4.1 好函式的特色
3.4.2 好與不好的葉子函式例子
3.5 使用 Copilot 的函式設計循環
3.6 使用 Copilot 建立函式的例子
3.6.1 計算股票獲利的函式
3.6.2 檢查強密碼的函式
3.6.3 獲取強密碼的函式
3.6.4 拼字遊戲的計分函式
3.6.5 找出分數最高單字的函式
第 4 章 學習閱讀 Python 程式碼 (1)
4.1 為何需要閱讀程式碼
4.2 要求 Copilot 解釋程式碼的意思
4.2.1 用 Copilot Chat 窗格解釋程式碼
4.2.2 從 inline Chat 叫出 GitHub Chat 解釋程式碼
4.2.3 透過格式化文件命令窗解釋程式碼
4.3 Python 語言的 10 大構成要素
4.4 內建函式
4.5 變數（Variables）
4.6 條件語句（Conditionals）
4.6.1 當條件判斷只有兩種可能結果
4.6.2 當條件判斷多於兩種可能結果
4.6.3 每個 if 語句都是獨立的條件判斷
4.7 字串（Strings）
4.7.1 字串的 method 練習
4.7.2 請 Copilot 解釋 method 與使用情境
4.7.3 字串的串接與重複
4.8 串列（Lists）
4.8.1 串列中的元素
4.8.2 串列元素的索引
4.8.3 串列元素切片
4.8.4 用索引更改串列中的值
4.9 Python 前 5 種構成要素整理
第 5 章 學習閱讀 Python 程式碼 (2)
5.1 迴圈（Loops）
5.1.1 for 迴圈 - 讀取字串
5.1.2 for 迴圈 - 讀取串列
5.1.3 for 迴圈 – 搭配索引
5.1.4 while 迴圈
5.2 縮排（Identation）
5.2.1 縮排代表程式區塊
5.2.2 二層縮排
5.2.3 三層縮排
5.2.4 美觀性的縮排
5.2.5 縮排與巢狀迴圈
5.3 字典（Dictionary）
5.3.1 存取字典的內容
5.3.2 用迴圈取得字典的內容
5.4 檔案（Files）
5.4.1 開檔並讀取資料
5.4.2 用迴圈逐列讀取檔案中的資料
5.4.3 用模組簡化處理 CSV 檔案的過程
5.5 模組（Modules）
5.5.1 預設模組可直接載入 – 以 zipfile 模組為例
5.5.2 需要下載並安裝的套件
5.6 Python 後 5 種構成要素整理
第 6 章 測試與提示工程
6.1 程式碼測試的重要性
6.2 黑盒測試與白盒測試
6.2.1 黑盒測試
6.2.2 如何決定測試案例要測什麼？
6.2.3 白盒測試
6.3 如何測試您的程式碼
6.3.1 在 Python 提示符號下進行測試
6.3.2 直接在 Python 檔案中進行測試
6.3.3 用 doctest 模組進行測試
6.4 重新檢視 Copilot 函式設計循環
6.5 測試範例 1 – 安排學生座位
6.5.1 找出一列中最多還可安排幾位新學生
6.5.2 改進提示詞以得到更佳解決方案
6.5.3 測試新的解決方案
6.6 測試範例 2 – 用到外部檔案
6.6.1 準備進行的測試案例
6.6.2 建立函式
6.6.3 對函式進行測試
6.6.4 使用 doctest 容易出現的問題
第 7 章 問題分解
7.1 問題分解的過程
7.2 Top-Down 設計的小例子
7.2.1 用 Top-Down 思考獲取強密碼函式
7.2.2 用 Top-Down 思考找出分數最高單字函式
7.2.3 Top-down 設計可控制複雜性
7.3 作者身份識別任務
7.4 作者身份識別程式的三個階段
7.5 分解處理階段的問題
7.5.1 決定神秘書籍的未知特徵簽名
7.5.2 5 個特徵函式的詳細說明
7.5.3 找出每本已知作者書籍的特徵簽名
7.6 為 Top-Down 設計做個整理
7.7 將規劃的函式用 Copilot 實作出來
7.7.1 clean_word 函式
7.7.2 average_word_length 函式
7.7.3 different_to_total 函式
7.7.4 exactly_once_to_total 函式
7.7.5 split_string 函式
7.7.6 get_sentences 函式
7.7.7 average_sentence_length 函式
7.7.8 get_phrases 函式
7.7.9 average_sentence_complexity 函式
7.7.10 make_signature 函式
7.7.11 get_all_signatures 函式
7.7.12 get_score 函式
7.7.13 lowest_score 函式
7.7.14 process_data 函式
7.7.15 make_guess 函式
7.8 思考重構程式的可能.
第 8 章 除錯 – 使用 Copilot Chat 與debugger
8.1 造成 bugs 的原因
8.2 如何找出 bugs
8.2.1 使用 print 語句來瞭解程式碼行為
8.2.2 用 VS Code 的 debugger 觀察程式行為
8.3 利用 GitHub Copilot Chat 修正程式碼
8.4 將除錯融入工作流程
8.5 將除錯技巧應用於新問題
8.5.1 列出可能出現錯誤的假設
8.5.2 對假設進行除錯
8.6 線上除錯工具 PythonTutor
8.7 降低除錯的挫折感.
第 9 章 製作自動化工具
9.1 程式設計師自製工具的原因
9.2 用 Copilot 開發自動化工具
9.3 自動化工具 1：清理電子郵件多餘符號
9.3.1 與 Copilot 交談取得協助
9.3.2 實際撰寫程式
9.4 自動化工具 2：為數百個 PDF 報告加上封面頁
9.4.1 與 Copilot 交談取得協助
9.4.2 實際撰寫程式
9.4.3 更新函式開發循環
9.5 自動化工具 3：合併圖片庫中內容不重複的檔案
9.5.1 與 Copilot 交談取得協助
9.5.2 為函式補上 docstring
第 10 章 遊戲設計
10.1 遊戲程式的兩個主要功能
10.2 為遊戲加入隨機性
10.3 遊戲 1：猜數字遊戲（Bulls and Cows）
10.3.1 遊戲玩法
10.3.2 Top-Down 設計
10.3.3 函式的參數與傳回值資料型別
10.3.4 實現遊戲的函式
10.3.5 為猜數字遊戲加上圖形介面
10.4 遊戲 2：雙人骰子遊戲（Bogart）
10.4.1 遊戲玩法
10.4.2 Top-Down 設計
10.4.3 實現遊戲的函式
第 11 章 未來的方向
11.1 從設計模式到提示模式
11.2 翻轉互動模式 - Flipped interaction pattern
11.3 角色模式 - Persona pattern
11.4 AI 工具的限制和未來方向
11.4.1 Copilot 目前面臨的困難
11.4.2 程式語言會被自然語言取代嗎？
11.4.3 一個令人期盼的未來
立即查看
華通書坊
