亞馬遜會議：貝佐斯這樣開會，推動個人與企業高速成長，打造史上最強電商帝國

類似書籍推薦給您

亞馬遜會議：貝佐斯這樣開會，推動個人與企業高速成長，打造史上最強電商帝國 叢書：職學堂 ISBN13：9789571474069 替代書名：amazonのすごい会議：ジェフ・ベゾスが生んだマネジメントの技法 出版社：三民書局 作者：佐藤將之 裝訂／頁數：平裝／268頁 規格：21.0cm*15.0cm*1.4cm (高/寬/厚) 版次：初 出版日：2022/04/06 中國圖書分類：事務管理 內容簡介 　　★首次完整揭露★ 　　日本亞馬遜創始成員親述關鍵三大會議如何運作 　　以及背後反映的亞馬遜管理風格與領導守則 　　教你用最高效率定目標、想企畫、做決定、追蹤執行狀況 　　讓每分每秒都花在刀口上 　　你開會時遇過這些情況嗎？ 　　▍為了決定某件重要議案，把眾多相關人員召集到會議室。 　　▍每個人都拿到一疊似乎永遠看不完的會議資料。 　　▍只有少數人發言，幾乎都是主管。 　　▍花很多時間高談闊論，卻沒有達成任何決議。 　　只好再找時間開會討論...... 　　在亞馬遜，這種沒效率的會議絕不可能發生。 　　亞馬遜除了網路商務，還跨足Kindle電子書、影音平臺、雲端運算服務(AWS)、無人商店，至今仍持續開發並同步展開多種事業，各式短期、長期、跨部門企畫不斷增加，但還是能快速取得巨大成效。 　　到底這些企畫如何有效率地發想、定案，又如何穩步開展？ 　　關鍵就在於亞馬遜特殊的開會方法，以及背後反映的管理風格與領導守則。 　　●決策會議 　　決策會議就是決定企畫、人事、投資案的場合，最忌諱沒有做出任何決定就結束會議。為了有效率地做出高品質決策，亞馬遜會這麼做： 　　》沒有必要發言的人不會被找來開會。 　　》各部門嚴選出席者，讓出席者成為當然的負責人。 　　》企畫負責人擔任會議召集人兼主導者，避免顧慮他人意見而岔題。 　　》在會議一開始就設定3W目標（做什麼、由誰做、何時做）。 　　》對於該說話但不太說話的人，用「換個說法」刺激發言。 　　》討論太熱烈而無法收尾時，用「露臺討論法」冷卻現場紛雜的意見。 　　》不以折衷方式做結，而要根據事實來定案。 　　●創意激發會議 　　亞馬遜如何在會議上有效率地激發創意？ 　　》在白板上邊寫邊整理想法，討論才會熱烈。亞馬遜總公司的一部分電梯，甚至設置了白板。 　　》比起自由思考，略加限制反而容易產生創意。 　　》腦力激盪不求盡善盡美，而要求快、求量，再從中找「鑽石」。 　　》集合不同屬性、不同部門的人來腦力激盪，看事情的角度會更開闊。 　　》召集人的角色是協助，而不是加入討論；退一步觀察整體才能看清創意。 　　》為了去除干擾、長時間討論，可考慮在公司以外的地方舉辦「場外會議」。 　　》在「商業模擬遊戲」中學習團隊合作、衡量公司事務的輕重緩急。 　　●進程管控會議 　　專案開始執行後的進度管理更重要。亞馬遜是這樣有效率地設定成功標準、管控達標進度： 　　》工作不分大小都要設定KPI，任何抽象目標都能被量化。 　　》每天收到系統寄來的數據，就能掌握企畫現況與調整方向。 　　》部屬無論呈報什麼問題，主管一定會細問原因直到心服為止。 　　》不輕信表面指標，而要連同各種因素一起確認。 　　》根據不同對象，以月、週、日、甚至每小時為單位來密集檢核KPI。 　　》停止監看無意義的數據，不讓部屬在低價值工作上疲於奔命。 　　》回顧企畫成效不是「反省大會」，成功與失敗之處都要回顧並留下紀錄。 　　》仰賴個人特質無法保證企業永續經營，機制才能發揮效果。 　　 　　【從開會方法學習亞馬遜的管理風格與領導守則】 　　貝佐斯與主管團隊立下的14條領導準則(Our Leadership Principles, OLP)，深深影響亞馬遜人的工作思維與作業方式。觀察亞馬遜的開會方法，其實也就是學習背後所反映的管理風格與領導方針。例如： 　　準則1：顧客至上 (Customer Obsession) 　　在會議上有時會遇到與會者意見分歧的情況，這時「顧客至上」準則就會被拿出來思考。例如，有人提出延後給顧客的交貨期限，公司利潤就會提高，但這樣的提案會被否決，因為亞馬遜絕不允許犧牲顧客來擴大利潤。 　　準則7：最高標準 (Insist on the Highest Standards) 亞馬遜不會訂立不切實際的超高目標。即使目標從100分調整為80分，仍會不斷思考如何調升目標；達成後，再繼續追求更高目標。 　　亞馬遜也不會以競爭對手為目標，因為這可能有損顧客利益；反而會追求絕對價值，讓自己不斷進步。 　　準則9：崇尚行動 (Bias for Action) 　　亞馬遜是一家追求速度的公司，所以比較青睞盡早實踐、邊做邊修正的人，而不是深思許久、想以完美方法來執行的人。先小規模嘗試，再擴大規模進行，能避免不可逆轉的失敗。 　　如果你是公司領導人、主管階級，亞馬遜開會的方法可以協助你提高會議生產性，也是檢視各項業務、人事制度、工作方式、企業文化等公司整體結構的起點。 　　即使你目前只是一個工作小組的成員，或是孤軍奮戰的工作者，亞馬遜會議法揭示的高效工作術，仍能為你帶來啟發，也能為你儲備成為未來領導者的實力、開啟你的眼界。 本書特色 　　1.第一本從嶄新角度「開會方法」談亞馬遜管理的作品。 　　2.由資深亞馬遜核心高層親撰，貼近管理現場又有客觀視野。 　　3.從開會方式回頭審視亞馬遜知名的14條領導準則。 　　4.具體提出每一種企業或團體，甚至每一個工作者都能獲得啟發的改善方針。 　　 聯合推薦（按姓氏筆畫排列） 　　何英圻（91APP董事長） 　　林啟峰（momo富邦媒體科技董事長） 　　黃昭瑛（KKday營銷長） 　　游舒帆（商業思維學院院長） 　　楊斯棓（《人生路引》作者、醫師） 　　齊立文（《經理人月刊》總編輯） 　　蘇書平（先行智庫執行長） 目錄 前言 為什麼要學習亞馬遜的會議？ 序章 著手改善前的必要思考 亞馬遜的會議縮減及會議增添 第一章 高效率會議始於報告製作 亞馬遜模式製作報告的規則 第二章 下達最快與最高層級的決策 亞馬遜模式決策會議 第三章 源源不絕的新創事業及改善提案 亞馬遜模式創意激發會議 第四章 讓企畫案確實執行 亞馬遜模式進程管控會議 第五章 會議機能化與活性化 亞馬遜的領導準則 第六章 會議改革該從何著手？ 讓會議有效率的關鍵 結語

踏上生成式AI自學之路: 從底層技術、程式實作到企業應用 (1版)

類似書籍推薦給您

【簡介】 　　「人工智慧 (Artificial Intelligence, AI) 」 一詞，最早可追溯至20世紀中英國數學家艾倫．圖靈發表的論文Computing Machinery and Intelligence。隨著時間推移，硬體與軟體技術的迅速進步讓電腦運算速度大幅提升、成本顯著下降，並且配合演算法領域的卓越研究成果，人工智慧領域不再是遙不可及的夢想。21世紀初，AlphaGo達到可以對決頂尖圍棋高手的程度，到了2022年，OpenAI正式推出ChatGPT，更讓人工智慧真正普及到大眾生活。   　　生成式AI在各行各業專業領域中帶來重大變革，本書能幫助您突破生成式AI的工具性操作，深入了解其背後的技術、應用與影響力。全書共有七個章節，內容涵蓋生成式AI的底層邏輯、實務操作、企業管理策略等三個面向。   　　第一到三章聚焦於生成式AI的底層邏輯，會依序介紹AI先備知識、經典模型以及生成式AI 核心架構：Transformer，即便您沒有資訊背景也能夠讀懂。第四到六章聚焦於生成式AI的實務操作，介紹提示工程(Prompt Engineering)，教您如何讓生成式AI產出高品質的回應，並手把手地帶您使用ChatGPT API 實作兩個小專案：檢索增強生成(RAG)以及網站智能客服。第七章聚焦於生成式AI的企業管理策略，針對企業最迫切關注的議題：如何導入生成式AI，提出淺見與看法。 【目錄】 序言 1從AI 到生成式AI 1-1 生成式AI 的演進 1-2 生成式AI 的應用 1-3 生成式AI 的挑戰 2生成式AI 先備知識 2-1 機器學習 2-2 深度學習 2-3 自然語言處理與理解 2-4 文字轉向量 2-5 大型語言模型 2-6 RNN 遞迴神經網路 2-7 LSTM 長短期記憶模型 2-8 GAN 生成對抗網路 3 Transformer 深入淺出 3-1 Transformer 簡介 3-2 Transformer 輸入 3-3 Transformer 編碼器 3-4 Transformer 解碼器 3-5 Transformer 輸出 3-6 Google Titans 模型 3-7 DeepSeek R1 模型 4提示工程 4-1 提示工程簡介 4-2 指令微調(Prompt-Tuning) 4-3 上下文學習(In-Context Learning) 4-4 大模型微調(Fine-Tuning) 4-5 思維鏈(Chain of Thought) 4-6 客製化指令 5實作檢索增強生成 5-1 前置作業 5-2 準備目標檔案 5-3 切割目標檔案 5-4 建立向量資料庫 5-5 檢索合適的回答 5-6 問答 5-7 聊天 6實作網站智能客服 6-1 工具準備 6-2 建立主機空間 6-3 建立網站 6-4 編輯網頁 6-5 網站上網 6-6 建立系統後端 6-7 建立系統前端 7企業導入生成式AI 7-1 人工智慧原則 7-2 企業面臨的挑戰 7-3 生成式AI 的導入流程 7-4 未來趨勢—AI 代理 結語 看更多

變動中的信託法制：從理論架構至家族企業傳承 (1版)

類似書籍推薦給您

【簡介】 ‧俗諺云「富不過三代」，原因為何，如何透過傳承規劃，使家族和企業雙贏？ ‧如何設計家族治理機制，和家族辦公室之運作模式，達到百年傳承目的？ ‧台灣應如何改善法制並建立生態系統，俾以多元化設計滿足社會各階層需求？ 以台灣信託法制為核心，全面探討信託的基本概念、國際間慣用的家族信託設計，台灣信託法制和國外規範的差異，延伸至家族辦公室以及相關稅務處理。特色在結合現有法制及社會需求，除分析法制設計緣由外，更專注討論台灣近三十年來社會的演變，參考國外發展，提出制度改善建議，尤其是針對近年實際案例，深入分析涉及的層面和對法制的衝擊。 第一部分「信託法制概論與台灣信託法」：探討信託的基本理念和實際應用，以及台灣信託法制的架構偏差和可能衍生的問題。 第二部分「家業傳承與家族治理」：討論家族企業世代傳𠄘的核心議題，涵蓋傳承設計的模式選擇、接班規劃及家族治理，並延伸至家族辦公室的多重功能，以協助「家族踏上其獨特的轉化和永續之旅」。 第三部分「特定類型信託與執行設計」：探討國際上常用的家族信託設計，包括權力保留信託、保護信託/禁止揮霍信託、裁量信託及非公益目的信託。此部分亦論及各種執行設計，例如保護人和信託顧問。 第四部分「信託稅法」：分析現行信託稅制，例如遺產稅、贈與稅及所得稅，並且介紹FATCA及CRS國際稅務合作機制，探討全球反避稅浪潮下國際信託稅制趨勢。 本書適合法律研究者、財富管理專業人士、企業主及對信託制度有興趣的讀者，幫助其掌握理論和實務，特別是對家族傳承的國際慣用模式，和台灣法制趨勢有更深入了解。 【目錄】 推薦序／詹森林 推薦序／黃世杰 推薦序／邱月琴 序　文第一部分　信託法制概論與台灣信託法／方嘉麟、郭振揚 　第一篇　信託法制概論 壹、信託基本理念／3 貳、歐陸法系引入信託設計／29 參、台灣信託法制之沿革與展望／34 個案研究──借名登記／39 　第二篇　台灣信託法制與實務運作 壹、法制架構／42 貳、條文釋義／44 個案研究──對信託財產強制執行／104 附錄──信託行為之性質／106第二部分　家業傳承與家族治理／方嘉麟、胡玉瑩、郭振揚 　第一篇　家業傳承與接班規劃 壹、家族企業之定義／115 貳、家族企業之重要性／116 參、接班模式與實證研究／117 肆、家業傳承之目標與相應考量／119 伍、傳承設計之比較／121 個案研究──泰山經營權爭奪／129 　第二篇　家族傳承與治理 壹、傳承規劃與單純繼承／132 貳、家業傳承與家族治理／139 參、家族治理之基本概念／143 肆、家族治理之架構、程序和原則／150 個案研究──李錦記家族治理／159 附錄　傳承設計之比較／162 　第三篇　家族辦公室之功能與規範 壹、家族辦公室簡介與定義／163 貳、家族辦公室相關法規及內部監控風險／169 參、設立家族辦公室的成功因素／174 肆、實踐願景性定義下的家族辦公室／175第三部分　特定類型信託和執行設計／方嘉麟、郭振揚 　第一篇　權力保留信託（Reserved Power Trust） 壹、概　論／183 貳、各國規範／185 參、和台灣法比較／229 個案研究──公益信託林堉璘宏泰教育文化公益基金／236 附錄──離岸法域委託人權力保留規範比較／240 　第二篇　保護信託與禁止揮霍信託（Protective Trust and Spendthrift Trust） 壹、定　義／243 貳、各國規範／244 參、和台灣法比較／250 個案研究──李鍾桂監護權案／256 　第三篇　裁量信託（Discretionary Trust） 壹、定　義／260 貳、功　能／265 參、傳統信託法概念之調整／266 肆、朝代信託和禁止永續原則的廢除和調整／268 伍、各國規範／268 陸、和台灣法之比較／271 個案研究──Grand View v Wong案／274 　第四篇　非公益目的信託（Non-Charitable Purpose Trust） 壹、定　義／277 貳、功　能／278 參、傳統信託法概念之調整／279 肆、各國規範／281 伍、和台灣法之比較／285 個案研究──台塑家族信託／287 　第五篇　執行設計 壹、受託人以外之設計／290 個案研究──公益信託之指示權人／295 貳、受託人──專業信託公司及私人信託公司／299 個案研究──佳格食品大股東／310　第四部分　信託稅法／馬國柱、郭振揚 壹、台灣立法沿革與基本原則／315 貳、信託各種稅目／318 參、FATCA與CRS／333

大學與地方協力之社會實踐：雙連梨社會企業的挑戰與創新 (1版)

類似書籍推薦給您

【簡介】 ＼探討如何從一個小型計畫，成長為穩定且獨立的社會企業／ 闡述雙連梨社會企業的發展歷程，透過大學社會責任（USR）進駐協力，以及實踐兼顧社會價值與商業獲利能力，找出社會企業存在的獨特性，達到永續經營。 - 本書採用敘述研究的方式，從雙連梨社會企業共同創辦人視角出發，並納入在地社區、企業執行成員、大學學生等多個不同視角，解析社會企業的發展過程。探索雙連梨社會企業如何從一個小型計畫一路成長為穩定且獨立的社會企業，並且進一步將社會企業影響力從雙連社區逐步拓展至卓蘭鎮。 書中彙整雙連梨社會企業的發展歷程，闡述社會企業中社會性與商業性並重的核心價值，說明社會企業的創意與獨特性。內容夾敘夾議，描繪雙連梨社會企業創辦過程的每一項決策與反思，帶領讀者共同體會社會企業創業的甘苦，提供經營社會企業與社會實踐者借鏡。 【目錄】 第零章　前言 一、背景與特殊性 二、利害關係人的關鍵角色與變化 三、社會企業的反思 第壹章　從卓蘭看偏鄉 一、起源與背景 二、一間小學如果在地方上消失了，會有什麼影響？ 第貳章　雙連梨社會企業 一、籌措創業資金與人才 二、為公司長久營運做準備 三、雙連梨社會企業的成長史 四、投入青年培力工作站 五、社會企業的位置和角色 第參章　USR進入社區 一、盤點問題：社區產業環境不佳 二、盤點問題：區域性組織功能不彰 三、盤點問題：人力、社會及教育資源不均與匱乏 四、以永續為概念提出策略解方 五、根據策略擬定具體做法 六、把社區變教室，帶學生走出校園舒適圈 七、讓USR透過社會企業來實踐 八、落實在地化，不再以西方菁英教育為尊 第肆章　校園外的課堂 一、服務學習課程：商管社會責任實踐 二、三創課程：管理實境解題 三、以社會企業延續課程成果 四、PBL問題導向學習法 第伍章　跨校串聯 一、中興大學農藝系：導入科學農業 二、鼓勵學生跨系修課，發展農業智慧化 三、東海大學食科系：為次級水果找出路 四、透過USR計畫，讓學術專業進入農民體系 五、逢甲大學社會系：組織訪調工作隊進入社區 六、田野調查，蒐集第一手現場資料 七、中原大學企管系：扮演協調整合的角色 第陸章　在地對接 一、雙連國小：課程設計接軌地方與國際 二、發展特色課程，創造偏鄉小校的競爭力 三、內灣國小：從實踐創新課程出發 四、善用資源奠定基礎，從學校延伸到社區 五、卓蘭高中：培養用英文介紹地方的能力 六、社區串聯，以在地居民為核心

AIGC大型語言模型：個人應用到企業實戰立刻上手 (1版)

類似書籍推薦給您

【簡介】 https://youtu.be/YZ3u4tg1n8g ★AIGC的技術躍遷與「奇點臨近」 ★大模型的「百模大戰」與競爭格局 ★多模態模型與AGI的可能性 ★AIGC在商業領域的應用爆發 ★AIGC對社會與個人的轉型影響 ★AIGC在電子商務與行業轉型中的應用 ★ChatGPT提示詞最佳化與垂直應用 ★AI繪圖/音效/視訊生成技術的實際應用 ★AIGC技術的核心原理與架構 ★LangChain框架與AI應用的開發實踐 ★AutoGPT與HuggingGPT的協作能力 ★文生視訊在企業級應用中的實踐 ★專屬ChatGPT的定制與本地部署 ★AIGC的風險管理與安全框架 這是一本深入探討AIGC（生成式人工智慧）技術與應用的全面指南，從技術原理到實際應用，從個人使用到企業實踐，為讀者提供了一個完整的視野。 透過詳細的案例和清晰的架構，帶領讀者了解AIGC如何從技術奇點發展到商業應用的浪潮，並揭示ChatGPT、大模型、多模態技術等核心概念的演變與突破。 本書強調AIGC在社會底層技術變革中的重要角色，並深入剖析其在電子商務、數位內容創造以及企業轉型中的價值，為讀者呈現了AIGC如何改變各行業的運作模式。 【章節概要】 第一篇： 新手入門，帶領讀者從AIGC的技術躍遷到多模態模型的興起，剖析ChatGPT如何引領生成式人工智慧熱潮，並闡述大模型的快速發展及其在商業應用中的創新實踐。 第二篇： 深入探討AIGC在個人應用上的多樣可能性，從AI聊天對話的提示詞最佳化到外掛程式的垂直應用，從Midjourney和Stable Diffusion的AI繪畫實踐到AI音訊與視訊生成的多場景操作，展現AIGC如何提升創造力與生產效率。 第三篇： 專注於技術原理和架構解析，涵蓋ChatGPT的核心技術、擴散模型的運作機制，以及LangChain框架在AI應用開發中的實際案例，進一步延伸到AutoGPT與HuggingGPT系統的協作能力。 第四篇： 企業應用實戰，從文生視訊的企業級實作到AI的軟體研發系統升級，並進一步探索定制專屬ChatGPT的實踐方案，為企業讀者提供實際的操作指南與解決方案。 最後是AIGC安全與風險治理，分析演算法、資料及應用層面的潛在風險，並提出完善的安全框架，為AIGC的可持續發展提供了切實可行的建議。 【專家推薦】 「ChatGPT 的發佈讓AI 技術的發展走到了「iPhone 時刻」。這項變革性的技術為人們帶來了前所未有的互動體驗和便利，之後又湧現了各種新的模型和技術。本書從多個方面介紹了AIGC 乃至AGI（人工通用智慧）的原理、應用場景，以及個人和企業的應用案例，值得大家閱讀。」 楊守斌 微軟社區區域技術總監 MSRD 「ChatGPT 的出現再次提醒我們，科技的突破是跳躍式的。AIGC 的發展關係著我們每個人。本書詳細介紹了AIGC 的發展脈絡和技術創新，更示範了使用AIGC 解決實際問題的方法，適合所有對AI 感興趣的讀者閱讀。」 曹冬磊博士 Kavout 首席科學家 「ChatGPT 的問世使得原本高端、神秘的AI 突然走進了大眾的工作與生活。AI 並不會直接搶走你的工作，但能用好AI 的人可能會。 本書是一本涵蓋原理、應用場景、應用案例的寶典。相信它可以幫你走出AI 焦慮，走進AI 世界。」 黃添來 高途集團高級技術總監 【目錄】 第 1 部分 AI 基礎概念 第 1 章 人工智慧基礎 1.1 探索 AI 的世界 1.1.1 人工智慧的範疇 1.1.2 何謂人工智慧？ 1.1.3 人工智慧的演進 1.1.4 人工智慧的分級 1.2 機器學習大補帖 1.2.1 何謂機器學習？ 1.2.2 機器如何學習？ 1.2.3 資料學三劍客 1.2.4 機器學習流程 1.2.5 學 AI 該用哪種程式語言？ 1.3 環境安裝指南 1.3.1 Anaconda 介紹與安裝 第 2 章 發現資料的秘密 2.1 資料的探索與準備 2.1.1 什麼是資料？ 2.2 探索式資料分析 2.2.1 EDA 必要的套件 2.2.2 第一支EDA 程式：資料集一覽 2.2.3 資料集描述 2.2.4 載入資料集 2.2.5 直方圖 2.2.6 核密度估計圖 2.2.7 相關性熱圖 2.2.8 散佈圖 2.2.9 盒鬚圖 2.3 離群值的檢查與處理方法 2.3.1 檢查異常值的方法 2.3.2 處理異常值的方法 2.4 資料清理和前處理 2.4.1 缺失值的處理 2.4.2 類別資料的處理 2.5 數據正規化與標準化 2.5.1 正規化 (Normalization) 2.5.2 標準化（Standardization） 2.5.3 為何需要特徵縮放與轉換？ 2.5.4 特徵縮放與轉換 第 2 部分 機器學習入門 第 3 章 非監督式學習：資料分群分類 3.1 何謂非監督式學習？ 3.2 K-means 簡介 3.2.1 K-means 如何分群？ 3.2.2 K-means 的最佳化目標 3.3 K-means 實務應用：群眾消費行為分群 3.3.1 資料集描述 3.3.2 載入資料集 3.3.3 建立K-means 模型 3.3.4 inertia 評估分群結果 3.3.5 視覺化分群結果 3.3.6 如何選擇最佳的K 值 3.4 降維技術在機器學習中的應用 3.4.1 降維的概念 3.4.2 主成分分析（PCA） 3.4.3 t- 隨機鄰近嵌入法（t-SNE） 3.5 降維實務應用：手寫數字降維視覺化 3.5.1 資料集描述 3.5.2 載入資料集 3.5.3 將資料切分成訓練集與測試集 3.5.4 建立PCA 模型 3.5.5 建立t-SNE 模型 第 4 章 線性模型 4.1 線性迴歸 4.1.1 線性迴歸簡介 4.1.2 線性迴歸的損失函數 4.1.3 線性模型求解方法：閉式解與梯度下降 4.2 線性迴歸實務應用：同步機勵磁電流預測 4.2.1 資料集描述 4.2.2 載入資料集 4.2.3 將資料切分成訓練集與測試集 4.2.4 特徵標準化 4.2.5 建立Linear Regression 模型 4.2.6 評估模型 4.2.7 迴歸係數分析 4.3 邏輯迴歸 4.3.1 邏輯迴歸簡介 4.3.2 邏輯迴歸學習機制 4.3.3 邏輯迴歸的損失函數 4.3.4 多分類邏輯迴歸 4.4 邏輯迴歸實務應用：鳶尾花朵分類 4.4.1 資料集描述 4.4.2 載入資料集 4.4.3 將資料切分成訓練集與測試集 4.4.4 建立Logistic regression 模型 4.4.5 評估模型 第 5 章 鄰近規則分析 5.1 k- 近鄰演算法 5.1.1 KNN 演算法原理 5.1.2 KNN 於分類和迴歸任務 5.1.3 KNN 度量距離的方法 5.1.4 比較KNN 與K-means 差異 5.2 KNN 實務應用：葡萄酒品種分類 5.2.1 資料集描述 5.2.2 載入資料集 5.2.3 將資料切分成訓練集與測試集 5.2.4 建立KNN 分類模型 5.2.5 評估模型 第 6 章 支援向量機 6.1 支援向量機簡介 6.1.1 支援向量機基本原理 6.1.2 超平面和支援向量 6.1.3 線性支援向量機 6.1.4 非線性支援向量機 6.2 支援向量機於分類和迴歸任務 6.2.1 SVM 分類器 6.2.2 SVM 迴歸器 6.2.3 參數調整技巧 6.3 SVM（分類）實務應用：手寫數字辨識 6.3.1 資料集描述 6.3.2 載入資料集 6.3.3 特徵前處理：t-SNE 降維 6.3.4 前置作業 6.3.5 建立SVM 分類模型 6.4 SVR（迴歸）實務應用：薪資預測 6.4.1 資料集描述 6.4.2 載入資料集 6.4.3 將資料切分成訓練集與測試集 6.4.4 建立SVR 迴歸模型 6.4.5 評估模型 6.4.6 視覺化預測：迴歸分析 第 7 章 決策樹 7.1 決策樹簡介 7.1.1 決策樹的基本概念 7.1.2 分類樹的生長過程 7.1.3 分類樹的評估指標 7.1.4 迴歸樹的生長過程 7.1.5 迴歸樹的評估指標 7.2 CART 決策樹 7.2.1 CART 演算法流程 7.2.2 決策樹剪枝 7.3 決策樹的可解釋性 7.3.1 決策樹的特徵重要性 7.4 決策樹（分類）實務應用：玻璃類型檢測 7.4.1 資料集描述 7.4.2 載入資料集 7.4.3 將資料切分成訓練集與測試集 7.4.4 建立分類決策樹模型 7.4.5 評估模型 7.4.6 模型的可解釋性 7.4.7 繪製決策邊界 7.5 決策樹（迴歸）實務應用：房價預測 7.5.1 資料集描述 7.5.2 載入資料集 7.5.3 特徵工程 7.5.4 將資料切分成訓練集與測試集 7.5.5 建立迴歸決策樹 7.5.6 評估模型 7.5.7 模型的可解釋性 第 8 章 整體學習 8.1 何謂整體學習？ 8.1.1 特徵面 8.1.2 資料面 8.2 隨機森林 8.2.1 隨機森林簡介 8.2.2 隨機森林的生成方法 8.3 隨機森林（分類）實務應用：糖尿病罹患預測 8.3.1 資料集描述 8.3.2 載入資料集 8.3.3 將資料切分成訓練集與測試集 8.3.4 建立隨機森林分類模型 8.3.5 評估模型 8.3.6 模型的可解釋性 8.4 隨機森林（迴歸）實務應用：帕金森氏症評估預測 8.4.1 資料集描述 8.4.2 載入資料集 8.4.3 將資料切分成訓練集與測試集 8.4.4 建立隨機森林分類模型 8.4.5 評估模型 8.4.6 模型的可解釋性 8.5 極限梯度提升（XGBoost） 8.5.1 極限梯度提升簡介 8.5.2 XGBoost 模型結構 8.6 XGBoost（分類）實務應用：銀行客戶定存申辦預測 8.6.1 資料集描述 8.6.2 載入資料集 8.6.3 資料清理 8.6.4 將資料切分成訓練集與測試集 8.6.5 建立XGBoost 分類模型 8.6.6 評估模型 8.6.7 模型的可解釋性 8.7 XGBoost（迴歸）實務應用：汽車燃油效率預測 8.7.1 資料集描述 8.7.2 載入資料集 8.7.3 將資料切分成訓練集與測試集 8.7.4 建立XGBoost 迴歸模型 8.7.5 評估模型 8.7.6 模型的可解釋性 第 3 部分 進階概念與應用 第 9 章 交叉驗證和錯誤修正 9.1 不能忽視的過擬合與欠擬合 9.1.1 如何選擇最佳的模型？ 9.1.2 過擬合 vs 欠擬合 9.1.3 偏差與方差的差權衡 9.1.4 如何避免欠擬合？ 9.1.5 如何避免過擬合？ 9.2 交叉驗證簡介 9.2.1 何謂交叉驗證？ 9.2.2 K-Fold 交叉驗證 9.3 機器學習常犯錯的十件事 9.3.1 資料收集與處理不當 9.3.2 訓練集與測試集的類別分佈不一致 9.3.3 沒有資料視覺化的習慣 9.3.4 使用錯誤方法為特徵編碼 9.3.5 資料處理不當導致資料洩漏 9.3.6 僅使用測試集評估模型好壞 9.3.7 在沒有交叉驗證的情況下判斷模型性能 9.3.8 分類問題僅使用準確率作為衡量模型的指標 9.3.9 迴歸問題僅使用 R2 分數評估模型好壞 9.3.10 任何事情別急著想用 AI 解決 第 10 章 模型落地實踐與整合應用 10.1 模型整合與部署 10.1.1 機器學習開發流程回顧 10.1.2 DevOps 與MLOps 概念簡介 10.1.3 如何將模型整合到實際應用中 10.2 儲存訓練好的模型 10.2.1 ONNX 簡介 10.2.2 將scikit-learn 模型輸出為ONNX 格式 10.3 使用ONNX Runtime 進行模型推論 10.3.1 ONNX Runtime 簡介 10.3.2 載入 ONNX 模型並進行推論 10.4 使用FastAPI 建立模型推論服務 10.4.1 FastAPI 框架介紹 10.4.2 Python 後端開發框架比較 10.4.3 撰寫第一個 FastAPI 應用 10.4.4 整合ONNX 模型於API 中 10.4.5 使用Postman 測試API 10.4.6 自動生成 AIP 文件 10.5 網頁推論與前後端整合 10.5.1 環境設定與準備 10.5.2 建立簡單的前端界面 10.5.3 前後端 API 串接