Vector

https://www.youtube.com/watch?v=WLx8W-N52Ug 本書強調動手實作，帶領讀者從開發到落地，完整掌握LLM系統的工程方法。 ★從基礎到進階，一條完整的LLM開發學習路線 ★給開發者的LLM實戰書，從第一個Prompt到可擴充的Agent系統 ★一次掌握 Prompt、RAG、Tools、Agent與MCP，建立屬於你的大型語言模型應用版圖 本書改編自作者於TibaMe與工研院開設、深受好評的大型語言模型（LLM）實務課程。 大型語言模型（LLM）已不只是聊天工具，而是正在重塑軟體架構、資料存取與人機互動方式的關鍵技術。本書以「實際應用開發」為核心，從基礎概念出發，逐步帶領讀者完成可實際運作、可部署、可延伸的LLM系統。 你將學會： •整合雲端與本地端模型，建立彈性又可控的LLM架構 •設計穩定、可預期的Prompt與對話流程，大幅降低模型失控風險 •快速打造對話機器人、遊戲NPC、SQL助手與法規諮詢系統 •從零開始建構完整RAG系統（Embedding、Chunk、Vector DB、Re-Ranker） •讓模型學會「使用工具」，實作Tools與Function Calling •導入MCP（Model Context Protocol），打造可組合、可擴展的AI系統 •進階掌握LCEL、Memory、結構化輸出與Agentic RAG等關鍵技術

人工智慧（AI）將改變人類與所有產業的生態。 如果你對人工智慧，沒有全面的了解，那就跟不上時代了。很多影響人類的科技發展，都無法做出正確的判斷。 一個知名的投資專家說，比起5G，人人手上有，處處可見基地台，AI只有少數大公司用得上，到底有無潛力？有！但是不要想得太美了。 他說的對不對？很難判斷嗎？讀完本書，你就會找到正確的解答。 其實AI有三種，一種是雲端，就是連到那幾家大公司的機房，用他們大的嚇死人的算力。 一種是在本地運算，如汽車的自動駕駛。第三種則是運用在最前端的偵測裝置，以求最快的反應時間。 所以你說AI只有幾家大公司用得上，好像也沒有那麼對。 所以你要把它想得美一點，它是平地一聲雷，輝達、台積電的股價都應該後面加一千個零，是嗎？ 但是你知道有資訊科技以來，人類至少經過三次AI的浪潮。很多公司運用AI運用得嚇嚇叫，如文藝復興基金，用機器學習投資，20年來平均的年化報酬率遠勝巴菲特。 所以你說AI前程遠大！很OK，但它說他橫空出世？倒也未必，它只是一個連續的改善過程！ 當然有關AI最誇張的是想像是《魔鬼終結者》，一個是幹掉想毁滅人類的傢伙，而且他可以和人腦一樣的運作。不過有的人是殺人魔，有的人是慈善家。不知可以和人腦一樣運作的AI是慈善家或是殺人魔？ AI的形式有很多種，從撰寫大量複雜的函式來實現人工智慧的專家系統，到以大量資料反求智慧判定函式的演算法，如支援向量機（Support Vector Machine, SVM）、決策樹（Decision Tree）等，此領域統稱為機器學習（Machine Learning, ML），而運用神經網路技術，將網路的節點深度擴展延伸，以獲得更好的智慧判定效果，則稱為深度學習（Deep Learning, DL）。 你越了解AI的技術背景，就越能掌握它未來對人類的影響。如果你想投資AI相關產業，就更是需要深入了解了。 任何資訊科技的運用都有兩個層面，軟體以及執行軟體的硬體。本書除了說明AI運用的基本原理之外，也將詳細說明有關AI的軟體及硬體產業鏈。對一個投資人而言，完整的了解一個產業的上下游關係，是十分必要的。 總不能輝達業績創新高，而你完全沒有概念台積電會好還是不好吧？ 本書以圖文對照的方式，讓你對AI有清楚的認識。不論投資、或生活，可以在新科技浪潮中，穩定前行。 本書特色 ◎100個單元，

結合Matlab與ROS快速上手無人自走車 波士頓顧問公司(BCG)預測2025 年全球自動駕駛車市場銷售上探 420 億美元，而了解自駕車 AI 原理最好方式就是從無人自走車開始。本書以深入淺出方式帶領對自走車技術有興趣的社會人士或是高中職、大專程度學生了解無人自走車原理與實現方式，並透過本書實驗範例與程式可以在家動手實作無人自走車。 ‧本書提出以 MATLAB®　圖形化的元件程式環境與 ROS 整合方式，相較完全以 ROS 的開發方式，本書方法大幅降低無人自走車程式門檻 ‧本書使用 TurtleBot3自走車套件，硬體包括單板電腦、馬達驅動板、雷射測距感測器 ‧本書介紹常用自走車演算法包括快速隨機搜索樹演算法(Rapidly-exploring random tree, RRT)、單純追踪演算法 (Pure Pursuit)、向量直方圖演算法 (Vector Field Histogram, VFH)、佔據柵格地圖 (Occupancy grid map)、同步定位與地圖建構 (Simultaneous Localization and Mapping, SLAM)。 ‧本書提供無人自走車初階與高階實驗範例與程式，讓讀者可以按部就班的在家操作並經歷實現自走車的成就感。 本書利用 MATLAB® 及 ROS2 的軟體整合，並使用 TurtleBot3 自走車套件來引領讀者輕鬆實現「路徑導航 (Navigation)」、「避障 (Obstacle Avoidance)」、「同步定位與地圖建構 (Simultaneous Localization and Mapping, SLAM)」。對於需要進行專題實驗的學生或是工作上有需要的社會人士，本書將是不可或缺的一本參考書籍。

最有利標 (Most Advantageous Tendering, MAT) 決標之精神係 參酌先進國家之作法及世界貿易組織(WTO)政府採購協定，讓 政府各機關確實能依招標文件所規定之評審標準作綜合評選， 以擇定功能佳、條件好之最佳決標對象，把預算用得最有價 值，並避免廠商惡性低價搶標。 隨著國內所涉及的各類標案 種類繁多且日趨複雜，如何根據標案的特性，應用多準則決策 方法(Multiple Criteria Decision Making Method, MCD之M)適用 準則形式、假設條件及適用範圍，構建符合政府各機關需求的 選商機制，已經是各機關及學界多年來關心的課題。 本研究的目的在結合機關內現行之作法，提出一套真正符合法 規精神且可適用於不同標案特性需求之最有利標決策模式。首 先透過相關文獻蒐集與機關標案專業人士深入訪談，彙整出最 有利標7大構面及其關鍵影響之22個準則，接著運用詮釋結構 模式(Interpretive Structural Modeling, ISM)來判別構面與構面 之間及準則與準則之間的相依關係，最後結合ANP、模糊分析 網路程序法(FANP)與優先向量法(Priority Vector)找出最有利標 之評選架構最適權重，並進行標案企劃書實證研究。