Python

本書協助你深入了解LLM 的內部運作，建立自己的語言模型。從生成式AI 概論開始談起，讓你理解如何訓練這些模型產生新資料，接著介紹提高生產力與增加創造力的ChatGPT 使用案例。你將學會如何改善提示設計，利用零樣本、單樣本、小樣本的學習能力，進而從ChatGPT 互動中獲得最佳效果。分別針對行銷人員、研究人員、開發人員設計案例，讓你將本書所學有效應用在自己的領域中。列舉企業情境，運用Azure 基礎架構上的OpenAI 模型 API；包含生成式模型 (如：GPT)與嵌入模型 (如：Ada)。各情境均涵蓋Python 實作，並以Streamlit 製作前端介面，以及利用 LangChain SDK 協助將模型整合到你的應用程式中。讀完本書，你將具備生成式AI领域的運用能力，可以在自己的專案中使用 ChatGPT 和 OpenAl 模型的API。本書內容涵蓋：*理解生成式AI 的初級與中級概念*透過有效的提示設計充分發揮ChatGPT 的效能*探索ChatGPT 的應用與使用案例*以API使用OpenAI 模型與功能*用Python 建置與部署AI系統*利用Azure 基礎架構實作企業級使用案例*確保生成式AI 系統具有負責任的AI與倫理

📌 全彩印刷、圖解詳盡，快速學會關鍵知識📌 將Go與Python程式的實驗與結果視覺化透過實作與豐富的精緻圖解，對OS與硬體相關的工作原理是如何運作，進行淺顯易懂的解說，讓您對OS的運作，有更加具體而清晰的了解。不論是新手還是老手，都很容易陷入「OS是個充滿神秘與困難的東西」的困境。為了要改善這個狀況，本書不會探討艱深的理論，而是以Linux為中心，在進入實作階段前就對Linux的工作原理進行解說，讀者只需要對Linux基本的命令有所瞭解便可輕鬆閱讀。本書可以幫助你：．當OS或硬體相關故障產生時，能夠冷靜處理．開發出有考慮到硬體特性的優良軟體．瞭解該依據什麼樣的指標來設計系統

建立智慧型系統的概念、工具與技術「這是一本出色的機器學習資源，包含淺顯易懂的解說，以及豐富的實用技巧。」—François CholletKeras作者，《Deep Learning with Python》作者「本書是運用神經網路來解決問題的絕佳入門資源，涵蓋理論及實踐。推薦給想學習實用機器學習技術的人。」—Pete WardenTensorFlow行動主管深度學習在經歷了一系列的突破之後，已經推動了整個機器學習領域的發展。如今，即使是對於這項技術非常陌生的程式設計師，也能夠使用簡單、高效率的工具，寫出能從資料中學習的程式。這本暢銷書使用具體的例子、最少的理論，以及具備生產水準的Python框架(Scikit-Learn、Keras和TensorFlow)來協助你直接瞭解智慧系統的建構概念與工具。在這本第三版中，作者Aurélien Géron將探索一系列的技術，從簡單的線性回歸開始，逐步發展到深度神經網路。本書包含許多範例程式和習題來幫助活用所學，只要具備一些程式設計經驗即可入門。‧使用Scikit-Learn自始至終完成機器學習專案‧探索多種模型，包括支援向量機、決策樹、隨機森林，和集成方法‧運用無監督學習技術，例如降維、聚類法和異常檢測‧深入探討神經網路架構，包括摺積神經網路、遞迴網路、生成對抗網路、自動編碼器、擴散模型、轉換器‧使用TensorFlow和Keras建構和訓練神經網路，以進行計算機視覺、自然語言處理、生成模型和深度強化學習

Simon Monk對Raspberry Pi百科全書般的豐富知識讓本錦囊妙計第四版成為任何嘗試邁入數位製作世界者的完美指南。本書細節的廣度和深度同時適合初學者和經驗豐富的自造者！------Raspberry Pi的共同創造者Peter Lomas如果你已經開始玩Raspberry Pi，將會發現它的能力持續在擴充。這本膾炙人口的錦囊妙計第四版提供超過200個實作範例(皆附上程式碼)，示範如何於此迷你且低成本的電腦執行Linux，用Python為它寫程式，將它接上感測器和馬達來玩物聯網(IoT)。此新版包含關於Raspberry Pi Pico和以Raspberry Pi做機器學習的新章節。多產的駭客暨作者Simon Monk也會教導基本原則，引導你利用Raspberry Pi使用新技術。透過簡易的範例說明如何：．設定你的Raspberry Pi並連接網路．使用它的Linux作業系統．用Python為你的Raspberry Pi寫程式．使用電腦視覺賦予你的Pi一雙眼睛．使用機器學習從影像和聲音辨識物體．藉由GPIO連接器控制硬體．使用你的Raspberry Pi控制不同類型的馬達和顯示器．使用開關、數字鍵盤和其他數位輸入裝置．使用感測器測量溫度、光線和距離．以不同方法連接至Iot裝置來自動化你的家．使用Raspberry Pi Pico微控制器版

★在最熟悉的作業系統、IDE中，用Tensorflow開發深度學習專案★☆使用Tensorflow.NET在Visual Studio下完成AI開發☆坊間幾乎所有和AI、深度學習、機器學習有關的書籍或教材，均是以Python及相對的框架進行開發，並且建議架設在Linux上。雖然這個環境非常適合進行AI專案的開發，但對於已經熟悉Visual Studio下.NET架構的大部分Windows開發者來說，如果能使用Tensorflow的強大，再加上早就上手的.NET甚至是C#語言，學習曲線真的就只剩下深度學習，排除了Linux及Python的困難。微軟在.NET平臺上引入機器學習，努力使機器學習技術跨越鴻溝，普及至大多數人手中。微軟的ML.NET旨在實現人工智慧的「民主化」，讓每個人都能使用並受益於人工智慧技術。在.NET生態中，人工智慧領域的SciSharp Stack團隊為TensorFlow提供了.NET Standard Binding，使得.NET開發人員可以使用C#在跨平臺的.NET Standard框架上開發、訓練和部署機器學習模型。他們還打造了TensorFlow.NET這個專屬於.NET開發人員的機器學習平臺，簡化了使用TensorFlow的過程。本書即是針對這個族群的使用者，讓.NET眾多的使用者直接跨入AI的領域，在最親切的環境學習，一定會事半功倍。本書為介紹TensorFlow.NET的詳細指南，共有23章。探討雲端運算、人工智慧、巨量資料和雲端原生應用對生活產生了深遠影響，之後說明機器學習.NET開發者的特點，在.NET生態中，SciSharp Stack的團隊，為TensorFlow提供了.NET Standard Binding，使.NET開發人員可以使用C#開發、訓練和部署機器學習模型。其中的產品就是TensorFlow.NET。書中包括資料型態與張量詳解、Eager Mode詳解、自動求導原理與應用、線性回歸實操、MNIST手寫字元分類邏輯回歸、tf.data資料集建立與前置處理、深度神經網路實踐、AutoGraph機制詳解，以及.NET Keras簡明教學等。最後一部分是生產應用與案例，包含CPU和GPU環境下的TensorFlow.NET應用、工業生產環境應用案例、在C#下使用TensorFlow.NET訓練自己的資料集、視覺影像分類

▌第一本 AI 投資專書 ▌▌大型語言模型加持！▌▌建構自己的股票／年報分析機器人 ▌▌讓 AI 變成股市分析的神器 ▌在這數位資訊的創新時代, AI 與大型語言模型 LLM 已經徹底改變了投資業界的遊戲規則。過往需要仰賴投資團隊花費大量時間來解讀各種財務報表、進行分析的複雜工作, 現在只需要一個人、一台電腦就能完成。對於小散戶而言, AI 能幫助我們自動化分析, 挖掘出報表中隱藏的關鍵資訊, 成為對抗市場主力的重要武器！本書將帶您：◆ 【建立正確的投資觀念】：還在聽股市名嘴胡扯瞎扯嗎？本書將從基礎的投資理論起手, 帶領讀者建立正確的投資觀念, 從基本面分析到技術面分析, 並進一步探討 AI 在股票投資中的定位, 助你洞悉多面向分析的重要性。◆ 【Python 雲端環境開發】：程式開發對你來說是場夢魘嗎？本書將所有程式部署在雲端環境中, 免除本地環境配置的複雜度, 一鍵就能輕鬆運行、進入 Python 股票分析的世界。◆ 【AI 股票趨勢分析】：在買賣股票的過程中, 一般人常常會被情緒左右投資決策, 但 AI 是沒有感情的機器。本書將詳解如何利用 AI 進行客觀的數據分析來作出更合理的投資決策, 解決人性所造成的影響。◆ 【AI 年報深度解讀】：公司年報蘊藏著重要的資訊, 但一份年報動輒 200~300 頁, 哪有那麼多時間去一一分析每間公司的年報資料？複雜的分析過程就交給 AI 來做吧！我們可以使用提問的方式來輕鬆了解年報內容, 或是讓模型統整、分析落落長的年報資訊。◆ 【AI 選股推薦】：股票那麼多怎麼選？要找到一檔高潛力的股票如同大海撈針！本書將介紹如何使用 AI 來進行選股推薦, 從大數據中篩選出值得關注的投資機會、提高選股效率。本書特色: ★ 本書程式皆部署於雲端平台, 不會寫程式也能一鍵執行。☆ 投資理論來幫忙, 帶領讀者建構正確的投資觀念。★ 詳解如何串接 OpenAI API, 讓語言模型成為分析股市的利器。☆ 讓股票資料蒐集的過程自動化, 包含網路爬蟲、各種 Python 套件及搭建資料庫。★ 讓 AI 自動處理 Dataframe 表格、計算技術指標、產生回測策略。☆ 詳解 matplotlib、mplfinance、plotly、backtesting 各種視覺化套件, 新手也能畫出精緻的股價 K 線圖。★ 打造屬於自己的 LINE

Bing Chat與Copilot邁向文字、視覺、繪圖、語音、程式的AI體驗王者歸來(全彩印刷)★★★★★【國內第 1 本】★★★★★★★★★★【深度認識Bing Chat】★★★★★★★★★★【Copilot功能探索】★★★★★★★★★★【招數最多、功能最強的AI體驗】★★★★★這本書不會涉及較深的程式設計技術細節，而是著重於如何在實際場景中使用和應用Bing Chat 與Copilot。研讀本書，讀者可以獲得下列多方面的知識：【深度認識 Bing Chat】★ 登入和登出 Bing Chat☆ 認識聊天界面★ 選擇交談模式☆ Bing Chat 聊天特色【Bing App】★ 手機 Bing Chat 對話☆ Bing App 與 GPT-4 切換【Copilot 功能探索】★ 產生頁面摘要☆ 深入分析頁面資訊★ 翻譯與摘要國外新聞☆ 依情境產生草稿★ 依據書籍名稱生成摘要與心得☆ 生成影像【AI 繪圖】★ 聊天生成影像☆ Bing Image Creator 生成影像★ 影像分享與搜尋☆ 生成不同風格的影像★ 依據彩畫素材、攝影鏡頭、畫面角度生成影像【AI 視覺】★ 用視覺執行數學運算☆ 識別各類影像★ 用視覺創作七言絕句☆ 圖片的比較【生活應用】★ 國外語言學習☆ 交友顧問★ 文藝創作【教育應用】★ Bing Chat 是你的活字典☆ 協助摘要、心得、報告、專題撰寫★ 依據程度學習體驗☆ 教師講義、問卷、考試題目【企業應用】★ 貼文格式、銷售建議☆ 行銷文案與活動★ 拍攝行銷活動的腳本設計☆ 面試者與面試官★ 企業公告☆ 加薪與企業談判議題★ 提升 Excel 的工作效率到輔助工作分析【程式設計】★ 輔助 Python 學習☆ 重構你的程式★ 重寫程式☆ 閱讀程式錯誤訊息，協助除錯 (Debug)★ 為程式加上註解☆ C、Java 與 Python 程式語言的切換

第一本詳細說明使用ChatGPT學習SQL Server、寫出T-SQL指令敘述與建立用戶端程式！*完整說明資料庫設計與開發人員應具備的觀念和技能，幫助你精通SQL Server的Transact-SQL程式設計！*本書以資料庫設計與開發人員角度來切入SQL Server資料庫程式設計與開發，完整說明資料庫系統相關理論、資料庫設計理論與T-SQL程式設計，能夠訓練和提昇讀者擁有足夠的技術能力來自行設計與建立SQL Server資料庫應用程式。*在實作上，本書適用微軟SQL Server 2022/2019企業、標準、開發人員版和Express版，是一本真正為有志成為資料庫設計與開發人員的讀者、或學校資料庫設計相關課程所規劃的實務教材。*完美結合資料庫理論與設計實務，除了使用大量插圖和範例來說明資料庫系統理論、實體關聯模型和正規化外，更以實例說明資料庫設計，讀者不只可以實際在資料庫設計工具繪製專案的實體關聯圖，更可以將設計成果建立成SQL Server資料庫，來驗證實體關聯模型的資料庫設計理論。*完整說明T-SQL語言的語法、預存程序、順序物件、自訂函數、觸發程序、資料指標和交易處理，可以幫助讀者精通SQL Server的Transact-SQL程式設計。*實際說明如何使用C#和Python語言建立用戶端程式。*詳細介紹SQL Server + Python機器學習服務、SQL Server全文檢索搜尋，和使用ChatGPT幫助讀者學習SQL Server資料庫程式設計與開發。

「你是否認為機器學習很複雜、很難掌握呢? 其實不然，來讀這本書，Serrano為你揭開機器學習的神秘面紗。」―Sebastian Thrun, Udacit創辦人「這是您機器學習旅程的第一步」―Millad Dagdoni, 挪威勞動福利局「這是本很好的引導指南，特別是對於那些想要寫程式但覺得自己數學程度不高的人」―Erik D. Sapper, 加州理工州立大學「這是我近年來有幸讀到最平易近人的機器學習介紹。強烈推薦！」―Kay Engelhardt, devstats只需要高中的數學程度，您就能發現並了解機器學習的強大之處！簡單來說，機器學習是一組建立在演算法上的資料分析技術，當您提供更多的資料，它就能產生更好的分析結果。ML驅動了許多尖端的技術，例如推薦系統、人臉識別軟體、智慧音箱，甚至是自駕車。而這本獨特的書將藉由相關的範例、有趣的練習以及簡要的插圖，為您介紹機器學習的核心概念。《白話機器學習》以任何人都能理解的方式來呈現機器學習的演算法和技術，跳過令人困惑的學術術語，提供您只需要一點基礎代數就能理解的清楚解釋。隨著學習本書的內容，您將使用Python建立許多有趣的專案，包含垃圾郵件偵測和圖像辨識等模型，並且還會學到清理和準備資料的實用技巧。本書包含：‧用於分類和分割資料的監督式演算法‧用於清理和簡化資料的方法‧機器學習的套件和工具‧用於複雜資料集的神經網路和集成方法本書適用於有Python基礎知識的讀者，但不需要有機器學習的相關知識。

★☆★ AI 影像辨識一本精通！ ★☆★ ★☆★ 超過 200 個完整範例程式碼 ★☆★ AI 影像辨識是近年來非常夯的議題，隨著資訊科技的蓬勃發展，越來越多好用的工具推陳出新，也越來越容易跨入 AI 影像辨識領域，不論是電子、資訊領域、醫療、百貨，各行各業中陸續都能看到 AI 影像辨識的應用。 Python 是目前入門 AI 影像辨識最快速的程式語言，透過 Python 的 OpenCV 函式庫，並搭配其他方便的函式庫，就能輕鬆入門 AI 影像辨識，OpenCV 除了能針對影像進行全面的處理，也是大多數 AI 影像辨識的敲門磚，常應用於擴增實境、臉部辨識、手勢辨識、動作辨識、運動跟蹤、物體辨識或圖像分割...等領域。 本書會從 OpenCV 出發，從 OpenCV 最基本的存取圖片影片，影像色彩、影像剪裁、影像變形、加入文字、繪圖、影像效果進階處理都有完整介紹，並會介紹 OpenCV 內建的影像辨識方法、Google MediaPipe 的影像辨識方法和 Teachable Machine 影像辨識方法進行 AI 影像辨識，作出許多有趣又實用的影像辨識相關應用。 【精彩收錄】 ▶ OpenCV 深入介紹 ▶ OpenCV 影像色彩調整和轉換 ▶ OpenCV 影像剪裁、變形、加入文字和繪圖 ▶ OpenCV 影像效果進階處理 ▶ OpenCV 偵測滑鼠和鍵盤 ▶ OpenCV 人臉、物件、顏色等影像辨識 ▶ MediaPipe 人臉、姿勢、手勢等影像辨識 ▶ Teachable Machine 人臉、戴口罩等影像辨識 ▶ 辨識手寫數字、年齡、情緒

PyTorch是Facebook於2017年初在機器學習和科學計算工具Torch的基礎上，針對Python語言發佈的一個全新的機器學習工具套件，一經推出便受到業界廣泛關注和討論，目前已經成為機器學習從業人員首選的一款研發工具。 本書是使用PyTorch建構神經網絡模型的實用指南，內容分為9章，包括PyTorch與深度學習的基礎知識、神經網路的構成、神經網路的高階知識、機器學習基礎知識、深度學習在電腦視覺上的應用、深度學習在序列資料和文字當中的應用、生成網路、現代網路架構，以及PyTorch與深度學習的未來走向。 本書適合對深度學習領域感興趣且希望一探PyTorch究竟的業界人士閱讀。具備其他深度學習框架使用經驗的讀者，也可以透過本書掌握PyTorch的用法。 本書範例檔： https://github.com/PacktPublishing/Deep-Learning-with-PyTorch

編寫多語言的整潔程式碼 「一本有趣的實作指南，可讓您加快測試驅動開發的速度。如果您想開始TDD，或是需要複習軟體開發人員所應掌握的重要技能之一，這本書就是為您準備的！」 ―Ham Vocke Stack Overflow軟體開發人員 您的程式碼可做為身為開發人員的技能證明。無論您使用哪種語言，程式碼都應該乾淨、優雅、整潔。透過使用測試驅動開發(TDD)，您將編寫出易於理解的程式碼，保持其優雅，並且可以在未來數月甚至數年內持續進行工作。透過這本指南，您將瞭解如何將TDD與三種不同的語言一起使用：Go、JavaScript和Python。 作者Saleem Siddiqui向您展示了如何使用單元測試驅動的方法來處理領域複雜性。TDD將需求劃分為小規模、可實作的功能，使您能夠解決問題，並且與您使用的語言和框架無關。透過本書，您將學習如何將TDD納入您的常規程式設計實務。 這本書可以幫助您： ‧使用TDD的divide-and-conquer來控制領域的複雜性 ‧瞭解TDD如何跨語言、測試框架和領域概念工作 ‧瞭解TDD如何實現持續整合 ‧支援運用TDD進行重構和重新設計 ‧學習如何用JavaScript編寫簡單有效的單元測試工具 ‧使用TDD期間生成的單元測試來設置持續整合環境 ‧在Go、JavaScript和Python中使用TDD編寫乾淨整潔的程式碼

★適用最新MySQL 8.x與MariaDB 10.x ★全書採用清楚易懂的圖文學習模式，讓學習更加事半功倍 • 作者累積數年的教育訓練實務經驗，使用最直覺與容易學習的圖文樣式，以最接近課堂實際授課的方式撰寫本書。 • 最完整的MySQL開發技術手冊，快速建立開發MySQL資料庫應用程式需要的SQL技能。 • 從基礎的資料庫概念、SQL與進階應用，掌握完整的資料庫應用程式開發技術。 • 內容包含資料庫、表格、索引的建立與維護。資料庫的新增、修改與刪除敘述，基礎、結合與子查詢敘述。 • 深入瞭解MySQL的字元集、儲存引擎、預儲程序、函式、觸發事件、資料庫匯入、匯出與效率調校。 • 最新第三版新增：使用Python與Java程式設計語言連線到MySQL資料庫，執行資料庫的新增、修改、刪除、查詢與呼叫預儲程序。

從建構交易策略到使用Python的機器人投資顧問 機器學習和資料科學將在未來幾年顯著改變金融業。透過本實用指南，避險基金、投資和零售銀行以及金融科技公司的專業人士將學到如何建構對該行業極為關重要的ML演算法。您將研究ML概念和20多個案例研究，包括了監督式、非監督式和強化學習，以及自然語言處理(natural language processing, NLP)。 分析師、交易員、研究人員和開發人員還將深入研究投資組合管理、演算法交易、衍生性商品定價、詐欺偵測、資產價格預測、情緒分析和聊天機器人開發。您將探索現實生活中的問題，並學習以程式碼和範例作為後盾的科學上合理的解決方案。 本書包括： ‧基於迴歸的監督式學習交易策略和衍生性商品定價模型 ‧基於分類的監督式學習信用違約風險預測與詐欺偵測模型 ‧投資組合管理與收益率曲線建構中的降維技術及實例研究 ‧利用演算法和分群技術尋找交易策略和投資組合管理中相似物件的案例研究 ‧建立交易策略的強化學習模型和技巧，衍生性商品避險和投資組合管理 ‧使用Python函式庫(例如NLTK和Scikit-learn)的NLP技術

At last, the breathtaking, action-packed finale of the #1 best-selling Trials of Apollo series is in paperback! The Tower of Nero is the quintessential cherry on top of 'The Trials of Apollo' sundae series.--Laughing Place.com Will the Greek god Apollo, cast down to earth in the pathetic mortal form of a teenager named Lester Papadopoulos, finally regain his place on Mount Olympus? Lester's demigod friends at Camp Jupiter just helped him survive attacks from bloodthirsty ghouls, an evil Roman king and his army of the undead, and the lethal emperors Caligula and Commodus. Now the former god and his demigod master Meg must follow a prophecy uncovered by Ella the harpy. Lester's final challenge will be at the Tower of Nero, back in New York. Will Meg have a last showdown with her father? Will this helpless form of Apollo have to face his arch nemesis, Python? Who will be on hand at Camp Half-Blood to assist? In the fifth and final installment of Rick Riordan's best-selling series, the end

內容介紹: 有了三個臭皮匠，何必每次堅持找個諸葛亮？任何人都能運用深度學習（DL）嗎？AutoML（自動化機器學習）已經遍地開花，各大企業諸如 Google、Microsoft、Amazon、IBM、SAS 等都推出了自己的 AutoML 服務，讓使用者不必具備專業領域知識，也能快速打造出自己的 AI 模型。換言之，AutoML 徹底降低了 「AI 落地」的門檻。AutoML不能取代資料科學家，卻能大大省下你試驗機器學習模型的時間與痛苦。當你的朋友還在興致沖沖算數學時，你說不定早就端出了可投入實用的高效能模型。而什麼是 AutoKeras？這是一套完全開源的 Python AutoML 套件，以 Tensorflow 2 為基礎、運用創新的『高效神經網路架構搜尋』（ENAS）來實現自動化建模。AutoKeras 對於影像、文字、時間序列或一般結構化資料的預測都提供了內建類別，甚至會加上資料預處理功能，使你只需用短短幾行程式碼便能打造出成效優異的 DL 模型，還不必接觸高深的數學。就連經驗豐富的專家也能受惠：利用 AutoKeras 快速產生候選模型，好做為進一步改良的參考，並將更多寶貴的時間投注在資料清洗與特徵工程上。從此向困難、令人困惑的建模過程說拜拜，跨入深度學習的門檻從未如此之低；有了 AutoKeras，任何人都能駕馭 AI 的威力來解決真實世界的問題。 本書特色: ★ 免懂數學免瞎忙！不必再被迫學數學，就能輕鬆將 AI 運用在真實世界★ 什麼是神經網路和深度學習？何謂 CNN 與 RNN？用淺顯易懂的方式理解其運作原理★ 只要寫短短幾行 Python 程式，就能打造出強效深度學習模型，省時省力又好用★ 無須透過複雜的 Keras API 就能使用諸如 ResNet、Xception、EfficientNet、Transformer、BERT、LStM、GRU 等知名模型架構★ 提供了使用真實資料集的豐富實作範例，從圖像、文字、時間序列到一般結構化資料的預測一應俱全★ 運用內建的 AutoModel 類別針對多模態 (multi-model) 資料建立多任務 (multi-task) 自訂模型★ 利用 TensorBoard 或 ClearML 將你的模型訓練過程圖形化，更容易比較訓練成效和分享★ 附 notebook/py 範例

內容介紹: Ⓞ釐清網路技術的來龍去脈, 用最有效率的方法考取 CCNA 證照！Ⓞ涵蓋最新版 CCNA 200-301 認證考試範圍目前 Cisco (思科) 定位 CCNA 不只包含路由器與交換器的技術，而是整合了 QoS、無線網路與網路安全相關知識，並加入最新的智慧型網路介紹 (Virtualization、Cloud、SDN、Cisco DNA Center) 及各種網路自動化概念 (Python、Rest API、Ansible...)，使得整個 CCNA 認證範圍變成更廣泛，考試更難以準備。本書並非 Cisco 官方教材，然而作者以多年教導 CCNA 的教學經驗來撰寫本書，設計一套由「網路運作理論」到「網路設備實作」的學習歷程，以循序漸進的方式來幫助初學者快速打好網路基礎。包括學習各種網路協定、無線網路、QoS、網路安全，從網路架設的層面，進步到管理整個網路的全貌。此外也會介紹未來網路管理的趨勢 - 自動化，用程式協助做網路自動化管理已是大勢所趨，書中會以 Python 與 Ansible 等工具帶讀者進行實戰，實際體驗網路自動化的做法。本書除了帶領讀者通透了解 Cisco 網路設備的操作、管理，迅速掌握 CCNA 認證考試的重點外，課程內容亦涵蓋考試範圍外的深入網路技術，因此更是培訓專業網管工程師的絕佳參考用書！最後，本書提供了 Facebook 社團教學討論區 (https://bit.ly/2ZWfVVN) 及 LINE 社群教學討論區 (https://bit.ly/3B3VczC)，讀者可以將本書內容的問題直接回饋給作者，書中也針對部分基礎課程提供影音教學 (詳內文)，希望透過彷彿參與真人教學般的學習模式，協助讀者達到最佳的學習成效！ 本書特色: ● 去蕪存菁！涵蓋最新版 CCNA 200-301 國際網管認證考試範圍，系統化整理最精華的網路概論知識！● 鉅細靡遺！使用 WireShark 捕捉、分析網路封包，詳細解說各種網路協定運作的細節● 實務演練！建構各種網路架構帶領您反覆演練，累積實作練習經驗，認證應答更有把握● 經驗養成！將故障排除的過程步驟化，快速抓出網路故障問題，厚實網管實務經驗與能力● Python 網管程式範例實戰● Ansible Playbook 腳本範例實戰● Kali Linux 網路攻防實戰&

用最強大的Windows C/C++暴力破解密碼一窺這個充滿數學及程式語言的新世界【本書特色】◎支撐現代人類經濟活動的就是密碼學◎用最強大的Windows C/C++暴力破解 ◎一窺這個充滿數學及程式語言的新世界C/C++一直是程式語言的王者，再方便的Python，再強大的Java，再物件化的Ruby，都沒有C/C++來得暴力直接，使用C/C++是最能了解密碼學的極佳工具。【本書內容】雖然量子電腦

運用Python的學習指南「全面且直觀的作法，本書必定是金融從業人員與學者的重要參考。」—Abdullah Karasan資料科學家兼顧問「針對期望解決各種計量金融問題的機器學習從業人員，這是一本出色的指南」—Tim NugentRefinitiv資深研究科學家AI與機器學習的廣泛運用，讓許多行業發生突破性變革。一旦將程式取得的歷史和即時金融資料，與這些新技術相結合，金融業也產生巨大變化。有了這本

♔循序漸進的從系統環境、資料爬蟲分析，到熟悉Python/Django/Tensor Flow/Keras基本應用。 ♔活用深度學習及實用案例，讓您在最短時間可以開始參與AI專案。 AI（人工智慧）的技術來自軟體工程的演進，一個優秀的AI工程師要經由程式設計、資料採礦、系統分析、數理演算等紥實的科學訓練；甚至還有企業管理、流程改善、財務金融及消費行為等商務思考的訓練。AI如果不能預測及主動除錯，就

本書範例題目內容為認證題型與命題方向之示範，正式測驗試題不以範例題目為限。1.內容由淺入深，採循序漸進的方式建立您運用機器學習解決問題的基本概念，達到技術的傳承及表達，符合實務運用需求。2.本書共有七個章節，包含「Python與機器學習」、「數據前處理」、「監督式學習：迴歸」、「監督式學習：分類」、「模型擬合、評估與超參數調校」、「非監督式學習：降維與分群」、「集成學習」、「機器學習應用」，帶領讀

★★★最淺顯易懂的機器學習專書★★★與其害怕被AI取代，不如學會機器學習，讓AI為你所用！★ 日本亞馬遜資訊相關類暢銷榜No. 1．針對各類機器學習全圖像化，深入淺出的機器學習入門書．詳解各種機器學習演算法的概念和用途，學會如何選對演算法．所有機器學習演算法皆提供Python範例程式碼，讓你現學現用【什麼是機器學習？】人工智慧（AI）、機器學習、深度學習⋯⋯與人類的生活密不可分，但多數人對這些專有

Python、C++ 搭配硬體一起用, 重現 IoT 駭客手法讓你懂！網際網路的快速發展, 讓資訊安全成為不能輕視的問題, 而物聯網 (IoT) 的出現與全面應用, 無疑又為網路資安增添更多隱憂。隨著物聯網裝置的進步, 不僅資訊蒐集能力越來越強, 提供的功能也更加完善, 然而享受便利生活的同時, 仍須正視這些貼近我們生活的裝置, 可能成為資安的缺口。因為有一種人可能正伺機而動, 他們就是 … "I

本教程第一次嘗試在全球普及人工智能教育，遵循「從生活中來，到生活中去」的原則，透過貼近生活的教學項目制課程，讓學生與一般人士儘早接觸AI這一前沿領域，助其建立科學認知，初步掌握AI技術原理和基本能力，為智能時代的到來做好生活、就業與技能準備。教程由「香港AI獨角獸」商湯科技、多名知名教育專家及中學優秀教師聯合編寫，讀者定位為初中程度以上人士。教程共分四冊，一冊教授Python編程基礎，其餘三冊為P

本教程第一次嘗試在全球普及人工智能教育，遵循「從生活中來，到生活中去」的原則，透過貼近生活的教學項目制課程，讓學生與一般人士儘早接觸AI這一前沿領域，助其建立科學認知，初步掌握AI技術原理和基本能力，為智能時代的到來做好生活、就業與技能準備。教程由「香港AI獨角獸」商湯科技、多名知名教育專家及中學優秀教師聯合編寫，讀者定位為初中程度以上人士。教程共分四冊，一冊教授Python編程基礎，其餘三冊為P

本教程第一次嘗試在全球普及人工智能教育，遵循「從生活中來，到生活中去」的原則，透過貼近生活的教學項目制課程，讓學生與一般人士儘早接觸AI這一前沿領域，助其建立科學認知，初步掌握AI技術原理和基本能力，為智能時代的到來做好生活、就業與技能準備。教程由「香港AI獨角獸」商湯科技、多名知名教育專家及中學優秀教師聯合編寫，讀者定位為初中程度以上人士。教程共分四冊，一冊教授Python編程基礎，其餘三冊為P

行銷企劃、市場分析、統計預測、財務金融、風險管理...都該學！養成大數據分析力的第一本書！資料分析、資料科學都是近來非常夯的關鍵字，與其相關的工作職務紛紛冒出，形成一股勢不可擋的大數據分析學習熱潮。只是聽說學資料分析都得具備一定的技術能力 (例如要會撰寫 Python、R...程式)，往往讓底子不夠、或非資訊背景的人止步...沒關係！不管您身處什麼領域、技術背景如何，本書就是為了想搭上這波學習熱潮

透過本書，讀者可以習得：了解程式交易是甚麼？與系統交易、量化交易與主客觀交易間有何區別？（第一章）為何程式交易可以解決投資過程心理與生理限制產生的問題？（第二章）程式交易的策略來源。（第三章）學習程式交易的資訊技術，從試算表、VBA、VB、VC#、R、Python、MultiCharts(PL)到XQ(XS)的使用。（第四章）如何擷取用以作回測的歷史交易資料，與驅動交易的即時資料。（第五章）如何在

從傳統影像處理到 AI 影像辨識讓你擁有獨立開發電腦視覺應用的能力OpenCV 是目前最為廣泛使用的電腦視覺工具之一，無論是影像處理、影像分析、人臉辨識、物件偵測，甚至近年熱門的 AI 影像辨識應用，都能看見它的身影。本書使用 Python 語言，從 OpenCV 開發環境建置開始，循序漸進帶領讀者認識數位影像、色彩空間、影像處理與分析、模板匹配、特徵匹配、視窗互動、影片處理與即時影像分析等核心技術，並進一步透過 cv2.dnn 與 Ultralytics YOLO 實作人臉偵測、人臉辨識、物件偵測與物件追蹤等現代 AI 視覺應用。除了完整介紹 OpenCV 的重要功能與背後技術外，本書更著重於「如何實際應用」――各章節搭配豐富範例與執行結果比較，說明每項功能的用途與差異，並於章末安排實作小專案，讓讀者立即運用學到的知識。在本書的最後，整合前面 23 章所學，完成自動玩 Chrome 小恐龍、自動玩 2048、智慧人臉門禁、智慧寵物攝影機，以及簡易版 Photoshop 等五個生活化專案。從「了解電腦如何看見影像」，到「讓電腦看懂影像」，本書將帶領你把 OpenCV 從一行行生硬的函式，變成解決真實問題的利器。本書特色: ✔ 從「會用 OpenCV」到「會做應用」學習如何拆解問題、選擇技術與組裝程式碼，建立獨立開發電腦視覺應用的能力。✔ 不只學會 API，還要理解背後原理透過大量圖解與程式範例，說明每個功能的用途、運作原理與適用情境，而非單純的函式教學。✔ 從零建立電腦視覺基礎從安裝、影像讀取與顯示開始，逐步建立像素、解析度、色彩空間與影像通道等核心觀念。✔ 完整涵蓋 OpenCV 核心技術包含影像處理、影像分析、模板匹配、特徵匹配、影片處理與即時影像分析等重要主題。✔ 從傳統電腦視覺跨入 AI 影像辨識實作人臉偵測、人臉辨識、YOLO 物件偵測與物件追蹤，掌握現代視覺系統的開發流程。✔ 章末實作 + 五大實戰專案透過大量實務範例，了解各項技術的應用情境，並於最後整合全書所學，完成五個有趣且實用的生活化專案。

ChatGPT 5.5 全能工作術 對話、圖像、資料分析到智慧體與自動化應用 ☆★☆ 國內第 1 本 ☆★☆ ☆★☆ AI 不只聊天，開始真正替你工作 ☆★☆ ☆★☆ 從聊天機器人到全能 AI 工作平台 ☆★☆ AI 不只聊天，開始真正替你工作！ ChatGPT 已經不再只是「問問題、得答案」的聊天機器人。到了 ChatGPT 5.5，它開始整合對話、檔案、搜尋、研究、圖像、資料分析、排程、專案、畫布、智慧體與外部應用程式，成為一套真正可用於工作、學習、創作與研究的 AI 工作平台。 《ChatGPT 5.5 全能工作術》帶領讀者從基礎操作開始，逐步掌握 Prompt 設計、AI 圖像生成、圖像工作流、文件處理、Excel 資料分析、資料視覺化、Deep Research 深入研究、Projects 專案管理、Tasks 任務排程、Canvas 畫布協作、Python 程式設計、Agent Mode 智慧體模式、GPT 機器人建立，以及 Gmail 應用程式整合。 本書最大的特色，不只是介紹功能，而是用大量實戰案例示範 ChatGPT 如何真正完成工作。從寫文章、生成圖片、整理 PDF、分析 Excel、繪製圖表，到建立股市分析、產出簡報、追蹤任務通知、設計自己的 GPT，讀者可以一步步看見 AI 如何從「內容生成工具」進化為「智慧工作助理」。 這是一本帶你理解 ChatGPT 5.5 全貌的實戰工具書，也是一本協助你進入 AI 工作流時代的完整指南。 本書特色 ◎完整解析 ChatGPT 5.5 全新工作平台 從對話、檔案、搜尋、研究、圖像、資料分析、專案到智慧體，建立完整的 AI 使用地圖。 ◎從聊天工具進化為 AI 工作系統 本書不只教你問問題，更帶你理解 ChatGPT 如何整合多種能力，成為可以協助完成工作的智慧平台。 ◎Prompt 設計與輸出控制實戰 學會用條列、表格、Q&A、字數限制、實例補充與來源標示，讓 AI 回應更精準、更符合需求。 ◎AI 圖像生成全面教學 從自然語言生成圖片、中文標題海報、角色設計、社群圖卡、教學、文字視覺化，完整掌握 ChatGPT Images 2.0 的創作能力。 ★突破畫面邊界應用，例如：恐龍大暴走、鯨魚突破畫框 ☆角色一致，例如：考古學家冒險旅程、工程師創意世界、個人品牌IP。 ★AI科學視覺化，例如：光合

AI 世代強勢來臨，這是一場關於「開發效率」與「思考維度」的革命！從開發者的實際痛點出發，帶你學會如何在不同開發階段策略性地與 AI 協作。從需求分析、使用者故事定義，到資料庫設計、Flask 後端實作及 UI 介面優化，逐步打造可維護、可上線的應用程式，並有效提升開發效率。帶你從實務專案出發，建立可維護、可驗證的 AI 輔助開發流程● 將 AI 工具整合進實際開發流程● 建立可重複使用的 AI 提示詞● 產出專業級文件與自動化測試● 高效進行除錯與程式重構● 有效避開 AI 常見的幻覺問題本書特色: 本書適合 ～● 想提升開發效率的 Python 開發者：將 AI 整合進實際開發流程，提升程式開發品質。● 想掌握 AI 輔助開發流程的學習者：從規劃、設計、實作到除錯，完整理解 AI 如何參與軟體開發生命週期。● 重視程式碼品質與可維護性的工程師：深入了解如何運用 AI 協助重構、除錯、文件撰寫與測試生成。本書不限於使用特定 AI 工具，重點在於培養與 AI 協作的思維與方法，讓你能靈活應用於不同開發情境。並且將會簡介 GitHub Copilot、ChatGPT、Gemini、Blackbox AI、Tabnine、Cursor 等工具的特色與適用情境，幫助讀者從實作案例中比較差異，找到最適合自己的 AI 輔助開發工具。別讓 AI 只是你的玩具，讓它成為你的專業開發夥伴！

在數位轉型與 ESG 永續發展的雙重驅動下，企業稽核已從傳統的「事後抽樣」演進為「全量數據監控」。本書由黃秀鳳總經理編著，獲得 ICAEA 國際電腦稽核教育協會 認證，是引領稽核專業人員進入 AI 時代的實戰指南。1. 核心理念：韌性、永續與風險預警本書強調供應鏈管理的「韌性」與「永續」，針對 SAP ERP（從 R/3 到 S/4HANA）環境中複雜的供應商管理、採購、驗收與付款流程，提供了一套系統化的查核方法論。2. 技術核心：JCAATs AI 稽核軟體本書以 JCAATs（新世代 Python-based 稽核軟體）為工具，展示了 No-Code 視覺化操作 的優勢。•數據融合： 整合 SAP 結構化數據與外部非結構化數據（如 Open Data、PDF 文本）。•智能分析： 運用文字探勘（TF-IDF）、機器學習與資料爬蟲技術，突破傳統試算表的分析瓶頸。3. 實務價值：11 項上機演練實習書中設計了 11 項具高度實作價值的案例，涵蓋三大核心面向：•管理失效： 查核重複供應商（Duplicate）與幽靈供應商（Ghost Vendor）。•採購舞弊： 利用正規表示式（Regex）偵測員工與供應商間的銀行帳號或電話地址異常關聯。•ESG 盡職調查： 結合政府開放資料，分析供應商是否違反職安衛法規或列管污染源，落實永續法遵。4. 專業倫理與職涯發展除了技術傳授，本書收錄了「電腦稽核專業人員十誡」，強調誠信、責任與終身學習。這不僅是學務教材，更是考取 ICCP 國際稽核應用師與 ESG 稽核師的重要敲門磚。這是一本協助內稽、財會及供應鏈管理人員，從大數據中快速建立風險洞察力，達成「韌性治理」目標的必備實務轉型寶典。◎代理經銷 白象文化

從「事後追核」走向「事前預警」：AI 驅動的 SAP ERP 採購稽核新實務在生成式 AI 與大數據浪潮下，企業內部稽核正面臨數位轉型的關鍵轉折。面對全球最廣泛使用的 SAP ERP 系統，稽核人員常因其龐大的資料表與複雜的跨模組流程，面臨「不知從何查起」的挑戰。本書由具備超過 500 家企業輔導經驗的黃秀鳳總經理親自編寫，旨在協助稽核專業人員運用 AI 技術，精準鎖定最具挑戰性的風險點——「拆單採購」。專為稽核人員打造的 AI 實戰指南本書核心圍繞新世代 AI 稽核軟體 JCAATs，這是一款基於 Python 開發、具備視覺化 No Code 操作介面的工具，讓不熟悉程式語言的稽核人員也能快速建立自動化分析流程。內容從 SAP ERP 的稽核資料擷取方法出發，帶領讀者深入淺出掌握資料關聯、時間區間分析及例外交易辨識。核心技術與特色：•直擊拆單樣態： 針對「化整為零」以規避核決權限的拆單採購、拆單付款、不實交易等行為，提供系統化的查核邏輯。•專利技術應用： 運用全球首創的「拆單（SPLIT）智慧資料分析」發明專利，快速找出短期間內相同供應商、部門或產品的異常重複交易。•邁向預測性稽核： 導入 KNN 近鄰演算法 與 SMOTE 不平衡資料處理 技術，引領讀者從持續性稽核進階到「高風險案件預測」，在問題發生前便發出警示。•實例演練與認證： 本書為國際電腦稽核教育協會（ICAEA）認證教材，檢附完整實例練習資料，讀者可透過實際上機演練，將 AI 技術轉化為即戰力。這不只是一本工具書，更是 AI 時代下稽核人員提升內控驗證、異常偵測與風險預警能力的必備實務手冊。 適合內部稽核、會計師、風管、資訊人員及商管學院師生參考應用。◎代理經銷 白象文化

中小企業工作流自動化的 AI 落地解決方案n8n 助你 n 臂之力，搞定重複事！n8n 是一套開源的工作流自動化工具，其視覺化的節點編輯介面讓使用者無需深厚的程式背景，即可輕鬆串接各種服務與 API，實現真正意義上的「Low Code」辦公室自動化與 AI 落地。▌使用本機 n8n，強化公司資料安全性隨書附贈 n8n 安裝包與作者開發的 Excel 相關社群節點，讓讀者免用 Docker 即可快速完成 n8n 環境建置，並能連結本地 Ollama 建立 AI Agent，輕鬆做到各種辦公室自動化工作流。▌讓辦公室高重複性工作全面自動化本書主題涵蓋網路資料擷取、AI 文字生成與摘要、Excel 試算表自動化、Email 與 LINE Message 推播，以及本機檔案資料夾處理等實際商業應用場景。▌無痛從本機環境擴展至雲端服務如有雲端應用需求，本書亦說明如何透過 Tunnel 技術打通本機到雲端的連線，並進一步整合 Google 雲端服務的 OAuth，以及 Webhook 與 LINE Bot 的雲端 AI 應用。▌結合 Vibe Coding，打造專屬功能不求人當官方未提供所需的 n8n 節點功能時，只要請 Claude 協助撰寫 Code 節點的對應程式，或本機 Python 程式，就能做出你需要的功能，甚至連 Webhook 的 HTML 表單都難不倒它。除了上述主題，本書更整合 AI Agent 與 Tools，讓 AI 不再只是生成文字的對話引擎，而是能真正「動手做事」的 Agent，讓你用 n8n 打造安全可控、類 OpenClaw 自動化能力的小龍蝦（MiniClaw）。本書特色: ✯ 無腦解壓縮 WinPython 套件即可完成本機 n8n 的安裝，讓所有資料與流程皆在個人電腦上運行。✯ 作者特別針對 Excel 試算表與本機檔案管理的實際需求，開發 5 個 n8n 社群節點：▸ Excel AI：讓 AI 成為試算表的「讀寫與分析」大腦，進行內容分析、資料摘要與自動填寫。▸ Excel API：實現本機 Excel 的「多工與 SQL」操作，支援多人並行處理同一份 Excel 檔案。▸ Excel Watcher：賦予 n8n「監控與即時觸發」能力，打造即時反應的自動化機制。▸ Excel Templater：精準生成格式完整的報表或文件，使其成為

隨著 Google Gemini 3 模型以及各式工具推出，在生成式 AI 的世界中 Google 強勢站穩腳步，再加上 Google 生態系的支援，採用 Google Gemini API 開發 AI Agent 是一個相當不錯的選擇。本書主要解說 Google Gemini API 中關鍵的成員，並利用 Python 版本的 Google GenAI SDK 實作範例，還會帶大家設計當前 AI Agent 的趨勢 -- Skills 機制，主題包含：|簡易 Skills 機制|現今 AI Agent 的共用規範標準就是 Skills，我們會帶大家實作一個簡單的 Skills 機制，讓你的 AI Agent 只要透過 markdown 檔，就可以讓非技術人員的一般使用者也可以客製自動化流程，或是搭配 CLI 工具與 MCP 伺服器等擴充模型能力，而不需要倚賴技術人員修改或是撰寫額外的程式碼。|建構彈性的 MCP 系統|即使有了 Skills 機制，也需要能夠實際完成任務的工具，MCP 就是其中之一。除此之外，MCP 也是擴充模型能力的好幫手，書中會設計讓使用者透過設定檔就能幫 AI Agent 串接各式功能 MCP 伺服器的機制，不論是要讀寫檔案、執行本機指令、操控瀏覽器，或是使用遠端 API 等等，都可以方便達成。|Live API|用講的絕對比用打的更快，書中會用 Live API 實作可隨時中斷插話的即時語音系統，讓你的 AI Agent 彷彿真人用講的就可以操控，而且還會自動記錄交談內容，維持前文脈絡，讓一般使用者透過口說介面就可以使用你的 AI Agent。|把 Google 生態系當靠山|網頁搜尋、找地點誰能比得過 Google，利用 Gemini API 內建工具即可直通 Google 搜尋與地圖，即時資訊一點都不漏，為模型補充新知識。|多模態輸入/輸出|讓你的 AI Agent 像是 NotebookLM 那樣看圖、看影片、聽語音，即使是 YouTube 影片，也可以直接丟連結自動處理。此外，透過 Gemini API，也可以用最強的 Nano Banana Pro 生圖、Veo 3.1 生影片通通沒問題。|詳解 Function Calling 機制|不論是要使用 MCP 伺服器或是 Skill 擴充模型功能、建置自動化流程，最終都需要倚賴 Fu

★ 第一本 Google Antigravity 繁體中文完整教學 ★ AI 原生開發環境的核心概念與實戰技巧 ★ Agent 架構：理解 AI 代理人如何替你寫程式、做決策 ★ 多 Agent 協作實戰：同時調度多個 AI 開發夥伴 ★ Editor 進階功能全攻略：Tab 補全、Command 指令、Review Changes ★ Rules × Workflows：自訂規則與自動化流程 ★ Skills 技能擴充系統：為 Agent 安裝新能力，從 SkillHub 市集挖寶 ★ Artifacts 產出物完整解說：掌握 Agent 與你非同步溝通的關鍵橋樑 ★ Browser Subagent：讓 AI 操控瀏覽器，自動測試網頁與擷取資料 ★ MCP 工具整合大全：連接資料庫、專案管理、設計工具，無限延伸 Agent 能力 ★ 兩大實戰專案手把手教學：Python 電商後台 + 雲端 Markdown 編輯器 ★ 涵蓋 FAQ 與疑難排解，少走彎路、快速上手 AI 寫程式已經不新鮮，但 Google Antigravity 要做的遠不只是「幫你補全程式碼」。它以 Agent 為核心，建立了一套全新的開發典範：AI 不再是被動回應的聊天機器人，而是能理解你的專案脈絡、遵守你定義的程式開發標準、自主規劃並執行多步驟任務的開發夥伴。它甚至能操控瀏覽器幫你測試網頁、透過 MCP 協議連接外部工具。開發者的角色正從「程式碼的生產者」轉變為「AI 的指揮者」。本書從開發工具的演進脈絡切入，帶你理解這場典範轉移的全貌，以及 Antigravity 在其中扮演的角色。 全書十六章分為四大篇章，構成一條從零到實戰的學習路線。基礎篇帶你熟悉介面操作，完成第一個 Todo List 專案；核心篇深入 Agent Manager 多代理協作、Editor 的 Tab 補全與 Command 指令、Rules 與 Workflows 自訂規則，以及 Skills 技能擴充系統；進階篇拆解 Browser Subagent 瀏覽器自動化、Artifacts 產出物機制，以及 MCP 工具整合生態――從資料庫、專案管理到設計工具，一次掌握。每一章都搭配大量截圖與逐步操作指引，建議你邊讀邊做，這是上手最快的方式。 學工具最怕停在「知道」卻「做不到」。本書特別規劃了兩個完整實戰專案，幫你把

想要成為駭客嗎？你的起點就在這裡！ 如果你打算踏上駭客攻擊、資訊安全，與滲透測試這條令人興奮的旅途，這是絕佳的入門書。你將使用Kali Linux這套專為數位鑑識與滲透測試而設計的作業系統來學習Linux的基本用法，並掌握操控Linux環境所需的各種工具與技巧。 首先，本書將帶你在虛擬機器上安裝Kali，並介紹基本的Linux概念，接下來會深入介紹更廣泛的Linux主題，包括文字操作、檔案控制、目錄權限，以及處理使用者環境變數等，然後探討基本的駭客攻擊觀念，例如安全性與匿名性，並教你使用bash和Python來撰寫腳本。 本書提供實用的教學與練習題來提升並測驗你的技能，內容包括： ．修改網路資訊和操作journalctl記錄工具來掩蓋行蹤。 ．撰寫工具以掃描網路連線，並連接與監聽無線網路。 • 使用Tor、proxy（代理伺服器）、VPN和加密電子郵件來掩護你的網路行動。 • 編寫bash腳本，在IP位址範圍內尋找潛在攻擊目標。 • 使用MySQL、Apache網頁伺服器和OpenSSH等服務，以及利用它們來發動攻擊。 • 設計自己的駭客攻擊工具，例如遠端監視器和密碼破解程式。 ★ 第二版新增內容 ★ 為因應Kali與Linux的最新變化，我們在第二版加入更安全的root權限使用方法、更新Bluetooth與Linux記錄功能，並新增一章探討在資安領域中使用AI的建議。 駭客技術十分複雜，一窺堂奧的道路並非只有一條，何不讓本書成為你的起點！

╲滿級分快速攻略╱ 重點總整理 + 歷次試題解析 ☑ 結合運算思維與演算法的基本觀念 ☑ 章節架構清晰，涵蓋APCS考試重點 ☑ 備有相關模擬試題，幫助釐清重點觀念 ☑ 詳細解析APCS程式設計觀念題與實作題 APCS為Advanced Placement Computer Science的英文縮寫，是指「大學程式設計先修檢測」，目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效，其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。 APCS考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以C、C++、Java、Python撰寫程式。 本書的實作題以C語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。 同時也可以參考附錄的內容來幫助自己熟悉APCS的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以Dev C++的IDE進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以C語言應試APCS的實戰能力。 【目標讀者】 ◆ 欲申請大學資訊相關科系的高中職生 ◆ 對程式語言有興趣的學習者 ◆ 想客觀檢測自己程式設計能力的人 APCS為Advanced Placement Computer Science的英文縮寫，是指「大學程式設計先修檢測」，目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效，其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。本書的實作題以C語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、

掌握Tableau，以資料分析驅動決策，發掘真正的商業洞見！ 在資料主導決策的時代，面對AI與自動化分析，光有資料、只會做圖表還不夠； 更重要的是，如何判斷資料是否可靠，並將分析轉化為真正有價值的洞見。 本書以Tableau為核心，帶你活用統計模型，驗證分析的可信度，讓資料不只「看起來合理」，而且有依據、有說服力、可以信任。 從統計顯著性、信賴區間到視覺化實務，協助你用科學方法解讀資料，做出更精準的決策。 無論是資料分析師、商業決策者，或希望提升資料判斷力的職場工作者，這本書都能幫助你將分析結果轉化為行動與影響力。 ------------------------------------------------ 「本書涵蓋了你開始在Tableau中運用統計所需的一切。Ethan清楚地帶領讀者了解背後的原理與實作的方法，非常精彩！」―Lorna Brown Data School教練，The Information Lab UK 「這本書結合了Tableau的統計分析功能與資料視覺化的強大表現，為讀者提供一套深入探索資料的有力工具。」 ―Christopher Gardner 商業智慧分析主任，密西根大學 在這個以資料驅動的時代，理解統計模型已成為進行有效分析與決策的關鍵。無論是剛入門的新手，還是經驗豐富的使用者，本書都能為您提供必要基礎知識，使您能夠掌握並靈活運用Tableau中使用各種統計模型，在運用模型時更具信心，讓您的分析成果與洞見更容易在組織內獲得認同與採納。 隨著人工智慧不斷促使各行各業產生變革，善用統計模型的能力早已從加分條件，轉變為不可或缺的基本技能。掌握這項能力，將幫助您充分釋放資料的潛能，並透過解讀與應用模型產出的洞見，使您始終保持領先地位。 無論您是資料分析愛好者、資料分析師，還是商業專業人士，本書都將帶來實用技巧與專業信心，協助您在快速變動的資料分析領域中游刃有餘、應對自如。 在本書中，您將會學習到： •在Tableau中建立基礎的統計模型 •驗證分析結果的統計顯著性 •計算並解讀信賴區間 •將統計融入資料視覺化的最佳技巧 •使用R和Python，整合Tableau與外部的分析工具 #Tableau #資料分析 #統計模型 #資料視覺化 #決策分析

《深度學習實踐—基於TensorFlow 及PyTorch 庫的編程指南》突破傳統深度學習教材先理論後實踐的模式，從直觀的實例應用入手，讓讀者快速體驗利用深度學習解決實際問題的過程。讀者將從運行實例程序開始，初步理解代碼的作用，並逐步學會自主調整模型參數、調試程序，以驗證其精度和效率。第1章介紹深度學習發展歷程及基本概念；第2章聚焦開發環境搭建，並給出快速示例，幫助讀者迅速開啟深度學習之旅，熟悉基礎操作環境；第3章介紹深度學習原理，結合FCNN、CNN、LSTM、GAN、Transformer 等典型模型示例，使讀者理解深度學習的核心理論與模型架構；第4 ～ 6章著重傳授Python 編程基礎，以及TensorFlow、PyTorch 這兩種主流深度學習框架的編程知識，為實際開發奠定編程基礎；第7章闡述張量概念與操作，幫助讀者掌握其關鍵特性與操作方法；第8章專注於網絡設計與超參數優化；第9、10章通過深度學習在計算機視覺與防災領域的應用實例，展現深度學習在實際場景中的強大應用能力，使讀者瞭解如何將所學知識運用到具體領域解決實際問題；第11章為程序代碼，讀者可掃二維碼獲取。本書特別適合需要快速入門人工智能深度學習解決實際問題的，智能建造、數值模擬等非AI 方向的技術人員、在校本科生、研究生。本書也可作為相關專業師生教學用書。