企業併購個案研究(十一) (1版)

類似書籍推薦給您

【簡介】 　　本書涵蓋六個極受矚目的真實併購案例、三個具有前瞻性的模擬案例及2018年所舉辦第八屆亞太地區企業併購競賽之競賽成果。 　　每個案例討論面相橫跨策略、財會及法律等角度，探討企業策略發展意涵、價值評估模式、綜效分析、會計處理以及法律架構。案例研究不僅整理事件並將其過程重現，更進一步思考企業併購所涉及錯綜複雜的議題。 　　本書延續前作，加入三個具有前瞻性的模擬案例以及八個跨國模擬案例，由參賽選手扮演併購方與被併方之顧問團隊，從對立思考中激盪出最佳的合作模式，靈活運用於實際談判，幫助讀者將理論與實務結合，從不同專業的角度思考，藉由國際企業合作跨越法規與商業環境的藩籬，更加了解企業併購的多元面向，並且跳脫既存的框架，開拓嶄新的商業思維。期許能透過本書對於相關課題以及爭議問題的剖析及運用，帶給讀者身歷其境的感受。 【目錄】 推薦序／湯 欣 企業併購教育傳承任重道遠／方嘉麟、林進富、樓永堅 第一篇 企業併購實例研習 ．台新證券併購大眾證券案／3 ．百尺竿頭併購樂陞案／23 ．國巨再併大毅案／55 ．開發金公開收購中壽案／87 ．樺漢併購S&T案／109 ．鴻海併購夏普案／135 第二篇 企業併購模擬實例研習 ．全家vs.網路家庭併購案／169 ．南山人壽vs.日盛金控併購案／191 ．群聯vs.鴻海併購案／213 第三篇 第八屆亞太地區企業併購模擬競賽 ．競賽介紹／229 ．各校簡介／231 ．海思vs.聯發科併購案／241 ．海思vs.輝達併購案／277 ．統一vs.京東併購案／311 ．全家vs.京東併購案／333 ．騰訊vs.渣打併購案／371 ．埃斯頓vs.研華併購案／401 ．博實vs.研華併購案／423

企業併購個案研究(十三) (1版)

類似書籍推薦給您

本書簡介 　　本書涵蓋四個廣受矚目的實際案例、兩個具有前瞻性的模擬案例及2021年企業併購模擬競賽之成果。 　　每個案例均由管理、財會及法律各角度切入，探討其策略意涵、評價模式、綜效分析、會計處理以及法律架構。案例研究不僅只是整理事件將其過程重現，更可以進一步思考企業併購所涉及錯綜複雜的各層面議題。 　　惟不同於前作，受困於疫情，本書未有跨國模擬併購案件，但加入五個具有前瞻性的模擬個案，藉由競賽參賽同學分別扮演併購與被併購團隊攻守雙方，從對立思考中激盪出最佳的合作模式，靈活運用於實際談判，使讀者能將理論與實務結合，從不同專業角度思考，並藉國際企業合作跨越不同法規與商業環境，更加了解企業併購的多元面向。期許能夠透過本書對於相關課題以及爭議問題的剖析及運用，帶給讀者身歷其境的感受。 圖書目錄 推薦序／張子學 企業經營須重視外部併購的左腳／黃日燦 自　序／方嘉麟、林進富、樓永堅 第一篇 企業併購實例研習 ．晶電併購隆達案／3 ．台新金控併購保德信人壽案／33 ．大聯大併購文曄案／97 ．達爾併購敦南案／127 第二篇 企業併購模擬實例研習 ．聯發科vs.祥碩併購案／179 ．元大金控vs.上海商銀併購案／235 第三篇 台灣五校聯合競賽 ．競賽介紹／281 ．各校簡介／283 ．聯發科vs.聯詠併購案／287 ．鴻海vs.新普併購案／317 ．大江生醫vs.葡萄王併購案／371

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