Patsy Web

《響應式Web設計性能優化》展示了如何在你的項目計劃中將響應性和性能很好地結合起來，在服務器端，使用Node.js提供設備專有功能， 并且將自動測試整合到持續集成環境中。而且你將學習到很多非常有用的工具和響應式框架。隨著時間的推移，你將從Tom Barker寶貴的經驗中領悟到響應式設計的真諦。對于前端Web開發工程師來說，本書非常值得閱讀。

Prep for the GRE on the go with Kaplan's GRE Vocabulary Flashcards. This set of newly styled 500 essential flashcards help you build strong vocabulary skills so you can master the Verbal Reasoning section of the test. Plus, a web-based app lets you review your flashcards on any deviceEssential Review500 flashcards feature the challenging college-level vocabulary tested on the GRE.Flashcards include synonyms and a pronunciation key for each word.Meaning in context: Each word is used in a sentence to promote mastery and retention.More GRE Prep Online (register your flashcards at kaptest.com/moreonline)Web-based app so you can review your cards on any deviceFree full-length practice testVideo instruction on how to build your vocabulary and effective flashcard reviewTest-like questions to practice your skillsExpert GuidanceWe know the test: The Kaplan team has spent years studying every GRE-related document available.Kaplan's experts ensure our practice questions and study materials are tr

物物相聯的時代已經來臨, IoT 物聯網收集的大數據是 AI 的基礎2020 年物聯網裝置數將達到 500 億個, 商機直逼百兆。未來將是 IoT、大數據、AI 的時代, 三者息息相關, 而物聯網感測器裝置則是收集數據最重要的前端。面對新時代, 我們推出「用 Python 學物聯網」套件, 以易學易用的 Python 來撰寫程式，搭配感測器與電子元件的使用, 更進一步結合 Web、MQTT、IFT

2020 年物聯網裝置數將達到 250 億個, 商機直逼百兆。未來將是物聯網、大數據、人工智慧的時代, 三者息息相關, 而物聯網感測器裝置則是收集數據最重要的前端。面對新時代, 我們推出物聯網感測器大應用套件, 不僅可以學習聲音、光線、距離、氣體、抽水馬達、紅外線等感測器與電子元件的使用, 更進一步結合 Web、MQTT、IFTTT、LINE 等網路技術, 帶入物聯網的思維。未來在食衣住行育樂各大

內容介紹: 不同於常見機器學習皆是由 Python 語言實作, 本書使用 JavaScript 語言於瀏覽器實作機器學習, 搭配著名的 JS 機器學習函式庫 ml5.js 可以更快速且便利地達成 AI 網頁應用, 對於許多熟悉 JS 語言的前端工程師或使用者更為親近, 實驗過程使用 p5.js 程式庫, 讓沒有太多程式設計基礎的使用者也可以更輕鬆將結果視覺化, 再搭配使用 p5.js web editor 線上開發環境, 只需要使用瀏覽器就可以開始輕鬆設計網頁, 不需要在自己的主機建構繁瑣的開發環境, 再搭配 Python 編寫控制板程式, 將應用結合至感測器或實體輸出裝置, 實現更完整的機器學習應用實例。本書一開始會先介紹機器學習概念與 p5.js web editor 線上開發環境基本操作, 接著直接體驗使用 ml5.js 中的現有模型, 實作可以辨識特定物件的影像分類器。除了網頁實作神經網路外, 可再串連硬體控制板, 藉由控制板輸出預測結果, 比如使用物件偵測來判斷是否有人出現, 對應的 OLED 顯示器模組就會出現迎賓文字或相關訊息；或是語音辨識讓玩家用語音來控制遊戲, 遊戲結束後會通知控制板啟動振動馬達回饋給玩家。最後會使用 ml5 程式庫實際訓練自己的神經網路模型, 首先為利用控制板蒐集感測器資料, 再透過神經網路訓練解決迴歸問題, 如藉由溫度感測器的訊號, 找出感測值與實際溫度的關係, 做出自製即時電子溫度計, 再結合可以即時顯示畫面去背效果的 U-Net 模型, 就可以使用環境溫度來改變虛擬背景特效。接著為解決分類問題的神經網路, 使用現成的 Facemesh 模型找出臉部特徵點, 分別蒐集臉部不同的角度資料進行訓練, 最終得到一個可以辨識是否打瞌睡的模型, 再串接實體蜂鳴器在打瞌睡時, 發出警報聲提醒使用者。最後訓練的神經網路為卷積神經網路, 透過蒐集配戴口罩與否的不同照片作為訓練資料, 經過卷積神經網路訓練後, 就可以用此模型來判斷畫面中的人是否有正確配戴口罩, 再結合模擬門鎖的伺服馬達, 建構出一套口罩門禁系統的概念。本產品除實驗手冊外，實驗過程中有任何問題或是建議都可以在 Facebook 粉絲專頁《旗標創客‧自造者工作坊》中留言，即有專人為您服務。本產品 Windows / Mac 皆適用　操作本產品需要視訊鏡頭及麥克風 (筆電

⛧⛦ 跟著「三大場景 × 23 個實驗」動手做 ⛦⛧⛧⛦ 新手也能輕鬆打造 LLM 智慧聯網便利生活！ ⛦⛧你是否曾對家中智慧家電的運作原理感到好奇？常聽到「物聯網」這個詞，卻不太清楚它的真正含義？AI 聊天機器人這麼厲害，又該如何整合進智慧家電中？本套件將帶你從零開始，使用 ESP32 家族的 S2 mini 開發板連接感測器與電子元件，再透過 Python 撰寫程式，實作出各種有趣的物聯網應用。除此之外，還會進一步帶你認識 Web 與 MQTT 等網路技術，動手設計網路資料抓取、網頁遙控器、遠端鬧鐘、遠端留言板等實用功能。更好玩的是，我們把當前最夯的 LLM 技術也整合進來了！只要讓 S2 mini 透過 API 呼叫 LLM，就能用自然語言調整燈光顏色、生成音樂和弦，甚至自動摘要股市新聞。讓 AIoT 裡的「AI」不再侷限於傳統機器學習或基礎人工智慧，而是升級成真正懂你的智慧好夥伴！本書特色: 從書桌、床頭到大門，打造 LLM 時代的智慧居家物聯網生活▸ 從電子電路 → 程式設計 → 物聯網技術 → 整合 LLM，一套搞定▸ 獨門傳授免費串接 LLM API 的密技，讓 GPT 幫你作曲、控燈、做新聞摘要▸ 與 LLM 合作編寫程式，無論網頁前端或後端程式開發，不會寫的就問 Grok▸ 獨家教學 OLED 螢幕的中文顯示、小喇叭響起音樂和弦，完美貼近你我生活讓 AI 成為你的得力助手，全力支援你將書中實驗延伸出無限可能！組裝產品料件：ESP-32 S2 mini 開發板 × 1 片Type-C 傳輸線 × 1 條麵包板 × 1 片RGB LED 模組 × 1 個光線感測模組 × 1 個紅外線人體移動偵測模組 × 1 個小喇叭 × 1 個0.96 吋 OLED 螢幕模組 × 1 個溫濕度感測模組 × 1 個RFID IC 卡感應模組 × 1 個按壓開關 × 2 個公-公杜邦線 × 1 排公-母杜邦線 × 1 排排針 × 1 排Windows / macOS 均適用