以實用的、研究為基礎的方針，協助學校轉型成為學習社群 　　本書提供有關教學和學習的完整研究資料，尤其是有關學校成為學習社群之後， 學生們大幅進步的教育結果。 當學校成為學習社群時，意謂著每個人都一起合作尋求進步，並且解決學校問題。如果您最終目的是協助學校中的每個成員擔任領導角色，那麼，這本一次完成的資源書將會是您的最佳選擇！ 　　作者Roberts和Pruitt提供必要的知識和技能，讓教師們...

　　在自由化與國際化的時代潮流下，現代金融環境發展頗為複雜且分工愈趨專業，因此，公司本身的財務策略也要隨著大環境的腳步做調整，掌握有關理財策略與技法，突破傳統公司理財著作在研究範圍上僅以資金籌措與資金運用為主要內容的局限，注重理論闡述與案例分析的結合，從而使本書具有較強的實用性與可操作性。　　本書以最基本的公司創建與管理的觀念為基礎，逐步介紹諸如公司股本的劃分、公司債券、營運資金的管理、公司...

　　現象級偶像BTS，如何虜獲全球 Z世代的心？ 　　自主式管理＋敢於跨界＋利用新媒體／內容／故事的力量 　　BTS神話＝Z世代管理之道示範作 　　—學者鍾樂偉專文導讀 　　—韓國最大書店教保文庫 「CEO推薦書」 　　＝＝＝ 　　亞洲偶像搶攻歐美，獲得主流成功，南韓男子組合BTS（防彈少年團）是史上第一人！ 　　—專輯登上美國Billboard 200榜第一位 　　—於美國Stadium...

　　深度強化式學習 (Deep Reinforcement Learning, DRL)，就是將深度學習與強化式學習結合的技術。要讓 AI 應用落地，DRL 是必不可缺的技術。近期由兩位劍橋大學博士所帶領的 Wayve 團隊就利用了 DRL 技術，開發出可以自行從新環境中學習的自動駕駛技術，取代以往完全仰賴感測器的做法。除此之外，工廠內的自動化機器人, 或是打敗世界棋王的 AlphaGo 等...

資料準備、模型建構與MLOps常見挑戰的解決方案    　　本書的設計模式介紹常見的機器學習最佳實踐法和解決方案。作者是三位Google工程師，他們整理了一些經過驗證的方法，協助資料科學家匯整ML程序中常見的問題，用這些設計模式來將數百位專家的經驗整理成直觀、平易近人的建議。    　　這本書詳細地解釋30種模式，介紹資料和問題的表示法、作業化、可重複性、再現性、靈活性、可解釋性和公平性，每...

　　針對強化學習的關鍵概念和演算法，提供清晰而簡單的說明 　　什麼是強化學習 　　強化學習是學習該做什麼（如何將當前情形映射到動作上），以便最大化一個獎勵訊號數值。學習者不會被告知要採取哪些動作，而是必須透過嘗試來發現哪些動作會產生最大的回報。在最有趣和最具挑戰性的案例中，動作不僅會影響當下的獎勵，同時也會影響下一個情境，並且影響後續所有的獎勵。試誤搜尋和延遲獎勵這兩個特性，是強化學習中的...

――日本「深度學習商業運用大獎」首屆得獎專案全收錄！――   最具影響力的日本財經媒體之一《日本經濟新聞社》集團日經BP旗下日經xTREND與日經xTECH主辦   Kewpie、NTT DOCOMO、日本菸草產業、軟體銀行、SMBC日興證券、三菱總合研究所、日本交易所…… 26家頂尖企業最成功的AI戰略直擊，多領域豐富案例完整解析   日本AI書籍第一人、東京大學松尾豐教授深入剖析「以深度...

　　建立智慧系統的概念、工具與技術    　　深度學習經歷了一系列的突破之後，已經大幅推動了整個機器學習領域，如今，即使你對這項技術一無所知，也可以使用簡單、高效的工具，製作可從資料中學習的程式。這本暢銷書新版本使用具體的案例、精簡的理論，以及Python準生產框架，協助你直觀地認識智慧系統的概念與建構工具。    　　你將學到可快速上手的技術，只要具備程式編寫經驗，就可以藉由各章的習題來學...

　　「很多機器學習相關書籍都略過了最困難的部分：問題改善、模型除錯及為客戶部署；這本書聚焦於這些主題，您可以讓專案從構想轉化至產生影響。」 ──Alexander Gude （Intuit資料科學家） 　　本書旨在學習設計、建立及部署機器學習(ML)應用的必要技能。透過這本實作書籍的教學過程，您將打造一個從初步構想到部署產品的ML應用範例。無論您是資料科學家、軟體工程師及產品經理，或是經驗...

　　實作現代強化學習方法：深度Q網路、值迭代、策略梯度、TRPO、AlphaGo Zero… 　　強化學習（RL）的最新發展，結合使用深度學習（DL），在訓練代理人「像人類一樣地」解決複雜問題這方面，取得了前所未有的進步。Google團隊利用演算法來玩知名的Atari街機遊戲，並擊敗了它們，這可以說是讓RL領域發光發熱的重要推手，而世界各地的研究人員正馬不停蹄地研發各種新的想法。 　　《...

　　「聯邦學習」可以解決企業之間的資料孤島問題，讓企業能透過使用更多資料來提高AI模型的效果，提供給使用者更方便的個性化服務。在過程中，資料是安全的，使用者的隱私資訊不會被輸出和洩露。因此這項技術不會損害合作企業的利益，還能帶來額外的收益。對使用者而言，能享受個性化服務品質的提升，也不用擔心具體隱私資訊的傳播。   　　從技術層面來看，聯邦學習是密碼學、分散式運算、機器學習三個學科交換的技術...

正前] ――――從研究邁向實用，見證35家日本先進企業如何成功應用「深度學習」――――   日本AI書籍第一人、東京大學松尾豐教授解說深度學習的發展預測 LINE、可口可樂、本田、樂天、NHK、So-net、佳能醫療系統…… 第一手訪談先驅者的前瞻思考，掌握智慧化新技術的無限商機   ★深入導讀深度學習的發展：影像辨識、多模式辨識、機器人學、互動、符號接地、知識擷取！ ★為運用AI技術的企...

　　本書重點 　　◎ 一本讓你打下最紮實基礎的機器學習數學書 　　◎ 理論及實作並重，全盤了解機器學習 　　◎ 線性、非線性、整合模型說明 　　◎ 線性回歸怎麼來的，邏輯回歸怎麼走的，正規化 　　◎ 支援向量機精華，決策樹以及單純貝氏定理 　　◎ 神經網路及正反向傳播的推導 　　◎ 整合學習的來龍去脈，隨機森林和提升樹 　　◎ xgboost極度梯度提升 ...

　　以step by step的方式學習人工智慧的程式撰寫 　　最近，「人工智慧」、「深度學習」這類的關鍵字出現在的機會非常多，但能夠實際動手做的人卻非常少。本書以非研究者的一般讀者為主要族群，希望帶著各位讀者邊做邊了解強化學習與深度強化學習，也會盡量介紹與解說可實際操作的程式碼。只要您具備粗淺的程式設計經驗以及初階的線性代數知識，就能看懂本書的內容。 　　透過本書，您將可以： 　　．...

　　強化學習可說是能自我演進的機器學習，能帶領我們達到真正的人工智慧。本書好讀又容易上手，運用了大量Python範例來從頭解釋所有東西。 　　本書從強化學習的簡介開始，接著是OpenAI Gym與TensorFlow。您會認識各種RL演算法與重要觀念，例如Markov決策過程、蒙地卡羅法與動態規劃，包括價值迭代與策略迭代。本書提供了非常豐富的範例幫助您認識各種深度強化學習演算法，例如競爭D...