長照雜誌兩本79折賣故事的人萬曆十五年東野圭吾黃色臉孔AI五十強雲端封建從六四到A4臺灣路上臺北文學季尖端漫畫大賞春季暢銷5折起買房人生課引路人

資料驅動的半導體製造系統調度

出版日期:2024-04-03
  調度問題普遍存在於工業工程中,其本質是透過對有限資源的合理配置, 尋求系統目標的最大化。資源(包括物質資源和時間資源)的限制與目標(如產量、效率、速度等)的追求之間存在著廣泛而多樣的客觀的矛盾,因 ...

演算法圖鑑:26種演算法 + 7種資料結構,人工智慧、數據分析、邏輯思考的原理和應用全圖解

出版日期:2017-12-07
出版社:臉譜
二手書徵求
★★ 讀再多文字解說都看不懂?沒關係,全部畫給你看,一次弄懂演算法到底是什麼!★★●直觀理解,從基礎開始學習,一用就上手的演算法專書!●全圖像化step by step,完整拆解制霸AI時代的演算法精 ...

未來職場,AI時代下的「高危」職業!模擬2050的上班族:律師、外科醫師、程式設計師……很快就要退場?趨勢專家談大數據與人工智慧如何「轉型」未來

作者:鄭軍
出版日期:2023-11-15
►若機器連口音都能即時分辨,人工翻譯還剩下哪些價值?►永遠不會半道棄坑的AI小說家,是否即將取代真人寫作?►不是英語是「嬰語」,電腦能真實呈現孩子的內心世界?身處資訊大爆炸時期,機器學習的速度呈指數級 ...

決斷的演算:預測、分析與好決定的11堂邏輯課

出版日期:2017-08-23
出版社:行路出版
二手書徵求
訪問近五十年來最知名演算法的設計者,了解工程師如何教電腦發揮最大效用,並將所學用於生活。讀者大推:「真是過癮!」————————————亞馬遜書店 認知科學類第1名、電腦科學類第1名長踞「商務決策與問 ...

巨量資料分析與智能應用

作者:駱德廉
出版日期:2017-11-01
二手書徵求
巨量資料分析,強化洞悉事物能力。智能應用於裝置產品,大幅提升價值。讓本書給您洞悉力與價值觀,點燃人生亮點。本書內容:以智能開發模型注入到巨量資料分析實務練習中,按部就班讓讀者由淺入深的學習如何為產品量 ...

高階容錯伺服器設計實例

出版日期:2017-12-11
出版社:佳魁數位
二手書徵求
超級容錯電腦又稱超級伺服器或關鍵應用主機,是金融、電信、能源等關鍵基礎設施資訊系統的核心裝備,用於執行資訊系統中的連線交易處理(OnLine Transaction Processing,OLTP)。 ...

打開演算法黑箱:反噬的AI、走鐘的運算,當演算法出了錯,人類還能控制它嗎?

出版日期:2019-05-04
出版社:臉譜
演算法為我們的道德下定義、秤量我們的情緒表現、掏空我們的民主體制――迎接演算法美麗新世界,我們如何在機器時代當個人?――★Amazon年度百大好書!英國皇家學會科學圖書獎決選作品!★出版前即高價售出多 ...

大數據時代:資料庫系統實作與案例分析

作者:李紹綸
出版日期:2017-12-04
二手書徵求
※本書特色:1. 以資料庫的實作為主軸,詳述大數據的應用和未來方向。2. 詳盡說明資料分析、倉儲與探勘等課題。3. 舉列實際案例且循序引導,進而培養對資料庫的概念。4. 常用套件、知名套件之介紹、撰寫 ...

Neo4j 圖形資料庫權威指南:傲視大數據時代的先端利器

作者:張幟
出版日期:2018-02-01
二手書徵求
全面剖析Neo4j圖形資料庫◆一種高效能、擅長處理複雜或龐大的關係網絡、新型態的NoSQL資料庫。◆大數據、圖形資料庫愛好者絕對值得擁有的專業書籍。◆全書涵蓋基本概念、基本操作和豐富的實際案例。◆無論 ...

AI+大數據:用Python玩轉金融遊戲的量化交易

作者:何海群
出版日期:2018-05-04
二手書徵求
本書是國內較早關於Python大數據與量化交易的原創書籍,配合zwPython、zwQuant開源量化軟件學習,已經是一套完整的大數據分析、量化交易學習教材,可直接用於實盤交易。本書內容源自筆者的原版 ...

大數據時代的演算法:機器學習、人工智慧及其典型實例

作者:劉凡平
出版日期:2017-07-21
出版社:松崗圖書
二手書徵求
在大數據的時代下,只有演算法能洞悉數據的潛在邏輯,讓數據釋放出最大的商業價值!在大數據時代的海量資訊下,本書以由淺入深的方式,介紹了基礎演算法和機器學習演算法的相關理論與應用,闡述各種演算法的使用場景 ...

AI與大數據技術導論(基礎篇):發展歷程、產業鏈、運算模式、機器學習……從理論概述到核心技術,深度探索人工智慧!

出版日期:2023-11-15
「沒有大量資料支撐的人工智慧就是人工智障」AI是什麼?為什麼熱門?是否已經成熟?跟著本書搞懂資料科學,跟上未來趨勢!▎人工智慧用於何處?2017年是人工智慧(Artificial Intelligen ...


您對於搜尋結果是否滿意?
太好了!感謝您的回饋!
感謝您的建議!我們會持續提供更好的搜尋服務!
很抱歉沒能幫上忙 :( 我們應如何改進呢?