人工智慧教育的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

深度學習的商戰必修課：人工智慧實用案例解析，看35家走在時代尖端的日本企業如何翻轉思考活用AI

為了解決人工智慧教育的問題，作者日經xTREND,日本深度學習協會（監修） 這樣論述：

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技術的企業經常遇到的疑問提出解答，次世代新興事業、企業創造價值必讀教本！ ★直擊AI計畫推動者的挑戰與艱辛，收錄大量照片和圖表，身歷其境感受快速擴展的深度學習應用的今日與未來！   【各界讚譽推薦】 何英圻

∣ 91APP董事長 呂曜志 ∣ 台北海洋科技大學副校長 陳良基 ∣ 科技部部長 郭奕伶 ∣ 商周集團執行長 張嘉惠 ∣ 中華民國人工智慧學會理事長 陶韻智 ∣ 德豐管顧公司合夥人、LINE台灣區前總經理 程世嘉 ∣ iKala共同創辦人暨執行長 詹宏志 ∣ PChome Online網路家庭董事長 楊立偉 ∣ 國立臺灣大學工商管理學系教授 盧希鵬 ∣ 國立臺灣科技大學資訊管理系專任特聘教授 謝宗震 ∣ 智庫驅動公司知識長 魏澤人 ∣ 國立交通大學AI學院副教授 蘇書平 ∣ 為你而讀執行長   █ 以AI為眼、為腦，實現五感預測，邁向高階思考溝通！   扮演第三次人工智慧熱潮領頭羊角色的深度學

習，正以銳不可擋之姿進化。做為人工智慧時代的通用技術，「深度學習」蘊藏著能夠改變一切產業中所有業務、創造新事業的潛力。本書不是探討深度學習技術的深奧知識，而是希望藉由多樣化的實際案例，找出靈活運用的「模式」。   豬排丼盛裝方式的判定、計算游動中的鮪魚數量、辨別送洗的衣類、文章的校閱、判斷河川護岸的損壞、輸電線的異常檢測、探測路面下的空洞、預測計程車的乘客人數、預估電視廣告的效果、便當的裝飾、黑白影像的上色技術、繪製虛擬偶像的圖像、跟專業人士一樣的主播、模仿卡通人物語音的智慧音箱……分門別類介紹深度學習的驚人運用法。   本書由專精市場行銷和創新的日本數位媒體「日經xTREND」編纂，長期關注

企業最先進數位策略和新事業規畫的專業記者撰文。此外，人工智慧專家將解答企業在商業應用上經常面臨的問題，包括值得挑戰的領域、需要的人才、費用估算、成功活用的關鍵要素等。   或許不是每個人都會開發AI、都需要思考AI運用，但人人都是AI消費者、獲益者、享受者，也是受AI影響者。透過本書，見證人工智慧如何深入我們的生活，改變世界！   █ 從大企業到中小企業，從金融保險、零售流通、醫療保健、機械交通到文創媒體     系統化歸納深度學習活用案例，找出高效運用的最佳模式！   01   以影像辨識實現自動結帳的無人櫃臺，與人的合作比辨識準確率更重要 02   用約七百台自行研發的人工智慧攝影機「實際

A/B測試」 03   日版「Amazon Go」的實驗，以人工智慧實現預防竊盜技術 04   分析社群網站的圖像貼文，掌握消費情境 05   大幅縮短製作估價單的時間，增加保險提案的「打數」 06   以人工智慧將租賃物件照片自動分類，每個月減少三千小時的作業 07   翻譯手語的小型機器人，設置於銀行櫃臺等窗口協助對話 08   藉由智慧型手機圖像分析，計算食物熱量和判定體態 09   使用亞馬遜的影像辨識API，將環境改善人工智慧服務事業化 10   運用人工智慧掌握鮪魚養殖數量，每年減少超過兩百五十小時的作業 11   福岡的乾洗店以五十萬日圓打造「人工智慧無人櫃臺」的原因 12  

校對人工智慧效果驚人，檢測率超過人類，只需幾秒即完成 13   以人工智慧檢測河川護岸受損狀況，驗證公共基礎工程更有效的檢驗法 14   運用於檢測輸電線異常，希望提升五倍生產力 15   本田旗下汽車零件製造商，試作不良品自動偵測系統 16   藉由一般人工智慧與優秀人工智慧結合，實現自動化檢查半導體晶圓外觀 17   追蹤路面下空洞的變化，偵測塌陷危險性高的地點 18   使用滿載保全警備專業技能的人工智慧來防止竊盜 19   研發車用保護駕駛感測器，判定認知、判斷和操作狀況 20   使用智慧型手機拍照，就能自動輸入上架商品類別和名稱 21   菜鳥駕駛勝過經驗豐富的中堅員工！人工智慧計

程車的威力 22   以人工智慧預測人的移動並加以視覺化，布局近未來的交通系統 23   學習約一萬支電視廣告影片，在播放前精準預測效果 24   橫幅廣告點擊率高低的預測準確率，專家百分之五十三對人工智慧百分之七十 25   日本國內醫療第一線首次實際使用運用深度學習的儀器 26   以深度學習來讓機器人取出散裝零件 27   老字號企業與新創公司合作，挑戰解開「夾取義大利麵」的難題 28   實現油壓挖土機自動挖掘作業，輸入資料和人員作業一樣只靠影像 29   從屬性識別到軌道生成的六項功能都適用人工智慧，朝自動駕駛邁進 30   以人工智慧提升黑白影像彩色化的效率，五天的作業一日完成 3

1   實現自動生成「偶像臉」，目標是創意人工智慧實用化 32   超越亞馬遜Alexa的「人工智慧播報員」能流暢說話的原因 33   Clova的「個性化」策略，以約四小時的語音資料來模擬說話方式 34   實現電視劇字幕自動翻譯作業超越專業人員的品質 35   讓機器人能理解情感，實現高階溝通   █ 對本書的讚譽   何英圻 ∣ 91APP董事長 對零售對品牌來說，沒有「對的資料」，就沒有AI。唯有正確的資料，機器才能理解、學習。但是零售數據龐雜，線上線下數據異質性高，我看到許多品牌，光要打通線上線下資料，再進而資料可以正確一致，就面臨非常巨大挑戰。縱使有再強的AI算力、演算法，沒有對的

資料，是做不到虛實融合（OMO），遑論AI帶來的龐大效益。如本書所提，AI並非萬能，要站在實際應用場景來設計，才會做出讓企業致勝的武器。現在距離不需要人的時代還很遙遠，要使用AI驅動企業競爭力，就要回到如何理解AI善用AI，這才是未來十年的重點，也是本書精髓。   呂曜志 ∣ 台北海洋科技大學副校長 人工智慧應用科技的目的，事實上不是要取代人，而是要取代人的某些耗費心力的勞動與時間投入，使得人類從繁雜的勞動中被解放出來，從而投入更有創造性與決策性的心智活動。因此人工智慧在企業上的應用，其實是一種分層負責與決行的概念，讓所有能夠被清楚定義（Well Defined）與數量化，且不牽涉到動態競爭賽

局的決策，賦權給人工智慧來處理過程中的決策資訊，而最後由人類來審核與拍板。 除了解釋決策者給予的問題之外，人工智慧的下一步，將是從大量結構性與非結構性的資料當中，看到決策者所看不到的問題。因此人工智慧對企業管理的未來，有如數位的斷層掃描儀，一層一層診斷與凸顯企業的問題。既然是診斷企業，就要有大量的臨床成功病例，這本書提供了三十五家日本各領域先進企業應用人工智慧、精進企業經營的實際案例，值得任何有志於探討企業管理議題的讀者參考。   程世嘉 ∣ iKala共同創辦人暨執行長 數位轉型從以往的數位化、IT升級階段，正式進入以AI為核心驅動的商業轉型階段。AI技術經過多年發展，已經快速商品化，變成人

人可用。現在，一位不會寫程式的行銷人員，都能輕易上手AI工具，來改善工作流程和成效。iKala 提供以AI為核心的商業轉型解決方案，在六個國家，服務超過三百五十間、橫跨超過十二種產業的企業客戶，親身參與AI在不同商業場景的落地和實踐。本書以場景分類出發，有條有理歸類不同企業使用深度學習技術改善商業流程的方式，諸多案例令人大開眼界，值得一讀。   謝宗震 ∣ 智庫驅動公司知識長 本書彙整了大量人工智慧應用案例，透過訪談先驅者的第一手材料，理解人工智慧應用是如何在既有工作流程中進行顛覆式創新。譬如怎麼樣讓豬排丼看起來更美味、如何系統性偵測路面坑洞、如何實現挖土機自動挖掘作業。 在終章更整理了實務專

家在商務運用的關鍵議題，包含場景、資料、人才、外援、預算。精讀本書有助於讀者建立有效的決策，創造有價值的應用，本人誠摯推薦。   魏澤人 ∣ 國立交通大學AI學院副教授 在產業中應用深度學習技術，需要資料科學家、資料工程師、軟體工程師、使用者經驗、行銷等等不同領域的人才。要讓這麼多不同領域的專家合作和溝通，相當有挑戰。也許需要更多像書中所提的「左右開弓型」人才。本書中舉出許多AI在日本產業上的案例，很值得參考。

人工智慧教育進入發燒排行的影片

探索智慧物聯網研究：文獻計量分析與主題建模方法

為了解決人工智慧教育的問題，作者吳慶福 這樣論述：

為清楚勾勒出智慧物聯網研究發展樣貌，本研究探索Web of Science 1975年至2021年5,436篇「智慧物聯網」為主題的文獻。經文獻計量分析發現：(1)文獻出版年份為2012-2021年，2012-2016年為生長期，2017-2021年為發展期；(2)《IEEE Internet of Things Journal》是AIoT議題最具影響力的期刊；(3)‪中國大陸、美國、印度發表篇數分居前3名，臺灣位居第9名；(4) AIoT文獻可區分「工業4.0管理、智慧城市治理及未來挑戰」等7個集群。以潛在狄利克雷分佈(Latent Dirichlet allocation, LDA)發現

文獻聚焦在「智慧醫療」等6個主題。綜觀文獻計量分析關鍵字共現聚類，以及LDA潛在主題重點，均關注智慧醫療、工業4.0、資通安全及隱私保護的議題。就AIoT國防應用，提列「智慧物聯網多元軍事應用」等2項建議，並對國軍人事等8個業務工作面向，提供「人才招募客服聊天機器人」等21項AIoT可行方案，藉由導入智慧物聯網，提升智慧國防戰力，帶動全民支持及參與國防。透過上述研究發現，以及文獻計量分析、LDA主題建模的分析過程，可有效探討智慧物聯網研究，迅速掌握領域研究樣貌，並且提供後續相關研究納為參考與指引。

從零開始學Scrapy網路爬蟲（視頻教學版）

為了解決人工智慧教育的問題，作者張濤 這樣論述：

本書從零開始，循序漸進地介紹了目前最流行的網路爬蟲框架Scrapy。本書共13章。其中第1~4章為基礎篇，介紹了Python基礎、網路爬蟲基礎、Scrapy框架及基本的爬蟲功能。第5~10章為進階篇，介紹了如何將爬蟲數據存儲於MySQL、MongoDB和Redis數據庫中；如何實現非同步的Ajax數據的爬取；如何使用Selenium和Splash實現動態網站的爬取；如何實現模擬登錄功能；如何突破反爬蟲技術，以及如何實現檔和圖片的下載。第11~13章為高級篇，介紹了使用Scrapy-Redis實現分散式爬蟲；使用Scrapyd和Docker部署分散式爬蟲；使用Gerapy管理分散式爬蟲，並實現了

一個搶票軟體的綜合專案。 本書適合爬蟲初學者、爬蟲愛好者及高校相關學生，也適合數據爬蟲工程師作為參考讀物，同時也適合各大院校和培訓機構作為教材使用。 張濤 畢業于中國科學技術大學，獲碩士學位。目前在科大訊飛從事人工智慧教育培訓與研究。加入科大訊飛之前，曾經在知名日資企業任職研發經理，負責日本大型證券系統的設計與開發。有7年大學課程改革與教學經驗，主要研究方向為Python網路爬蟲、資料分析和機器學習。 第1篇  基礎篇 第1章  Python基礎 2 1.1  Python簡介 2 1.1.1  Python簡史 2 1.1.2  搭建Python環

境 3 1.1.3  安裝PyCharm整合式開發環境 6 1.2  Python基本語法 7 1.2.1  基底資料型別和運算 7 1.2.2  運算子和運算式 8 1.2.3  條件判斷語句 9 1.2.4  迴圈語句 10 1.2.5  字串 12 1.3  Python內置資料結構 14 1.3.1  列表 15 1.3.2  字典 16 1.3.3  元組 17 1.3.4  遍歷物件集合 17 1.4  Python模組化設計 18 1.4.1  函數 18 1.4.2  反覆運算器（iterator） 20 1.4.3  生成器（Generator） 20 1.4.4  類和對象

22 1.4.5  文件與異常 23 1.5  本章小結 25 第2章  網路爬蟲基礎 26 2.1  HTTP基本原理 26 2.1.1  URL介紹 27 2.1.2  HTTP和HTTPS協議 27 2.1.3  HTTP請求（Request） 27 2.1.4  HTTP回應（Response） 30 2.2  網頁基礎 32 2.2.1  HTML文檔 33 2.2.2  網頁的結構 33 2.2.3  節點樹及節點之間的關係 34 2.3  使用XPath提取網頁資訊 36 2.3.1  XPath介紹 36 2.3.2  XPath常用路徑運算式 36 2.3.3  XPath

帶謂語的路徑運算式 39 2.4  本章小結 40 第3章  Scrapy框架介紹 41 3.1  網路爬蟲原理 41 3.1.1  爬蟲執行的流程 41 3.2  Scrapy框架結構及執行流程 42 3.2.1  Scrapy框架結構 42 3.2.2  Scrapy執行流程 44 3.3  Scrapy安裝 44 3.3.1  使用pip安裝Scrapy 44 3.3.2  常見安裝錯誤 45 3.3.3  驗證安裝 46 3.4  第一個網路爬蟲 46 3.4.1  需求分析 46 3.4.2  創建項目 47 3.4.3  分析頁面 48 3.4.4  實現Spider爬蟲功能 49

3.4.5  運行爬蟲 50 3.4.6  常見問題 51 3.5  本章小結 52 第4章  Scrapy網路爬蟲基礎 53 4.1  使用Spider提取資料 53 4.1.1  Spider組件介紹 53 4.1.2  重寫start_requests()方法 55 4.1.3  Request對象 57 4.1.4  使用選擇器提取資料 58 4.1.5  Response對象與XPath 59 4.1.6  Response對象與CSS 61 4.1.7  進一步瞭解Response物件 62 4.1.8  多頁數據的爬取 63 4.2  使用Item封裝資料 64 4.2.1  

定義Item和Field 65 4.2.2  使用ItemLoader填充容器 66 4.3  使用Pipeline處理資料 69 4.3.1  Item Pipeline介紹 70 4.3.2  編寫自己的Item Pipeline 70 4.3.3  啟用Item Pipeline 71 4.3.4  多個Item Pipeline 71 4.3.5  保存為其他類型文件 72 4.4  項目案例：爬取鏈家網二手房信息 75 4.4.1  專案需求 75 4.4.2  技術分析 76 4.4.3  代碼實現及解析 77 4.5  本章小結 85 第2篇  進階篇 第5章  資料庫存儲 8

8 5.1  MySQL資料庫 88 5.1.1  關係型數據庫概述 88 5.1.2  下載和安裝MySQL資料庫 88 5.1.3  資料庫管理工具Navicat 92 5.1.4  Python訪問MySQL資料庫 94 5.1.5  項目案例 97 5.2  MongoDB資料庫 100 5.2.1  NoSQL概述 100 5.2.2  MongoDB介紹 100 5.2.3  MongoDB的下載和安裝 101 5.2.4  Python訪問MongoDB資料庫 102 5.2.5  項目案例 108 5.3  Redis資料庫 111 5.3.1  Redis的下載和安裝 111

5.3.2  Python訪問Redis 113 5.3.3  項目案例 118 5.4  本章小結 121 第6章  JavaScript與AJAX數據爬取 122 6.1  JavaScript簡介 122 6.2  項目案例：爬取QQ音樂榜單歌曲 122 6.2.1  專案需求 122 6.2.2  技術分析 123 6.2.3  代碼實現及解析 126 6.2.4  更常見的動態網頁 128 6.3  AJAX簡介 129 6.4  項目案例：爬取豆瓣電影資訊 130 6.4.1  專案需求 130 6.4.2  技術分析 130 6.4.3  代碼實現及解析 133 6.5  本章

小結 135 第7章  動態渲染頁面的爬取 136 7.1  Selenium實現動態頁面爬取 136 7.1.1  Selenium安裝 136 7.1.2  Selenium簡單實現 137 7.1.3  Selenium語法 138 7.2  項目案例：爬取今日頭條熱點新聞 145 7.2.1  專案需求 145 7.2.2  技術分析 145 7.2.3  代碼實現及解析 147 7.3  Splash實現動態頁面爬取 151 7.3.1  Splash介紹 151 7.3.2  Splash環境搭建 152 7.3.3  Splash模組介紹 156 7.4  項目案例：爬取一號店中

的iPhone手機資訊 162 7.4.1  專案需求 162 7.4.2  技術分析 163 7.4.3  代碼實現及解析 165 7.5  本章小結 168 第8章  模擬登錄 169 8.1  模擬登錄解析 169 8.1.1  登錄過程解析 169 8.1.2  模擬登錄的實現 171 8.2  驗證碼識別 174 8.2.1  使用OCR識別驗證碼 174 8.2.2  處理複雜驗證碼 176 8.2.3  五花八門的驗證碼 177 8.3  Cookie自動登錄 177 8.3.1  Cookie介紹 178 8.3.2  獲取Cookie的庫—browsercookie 179

8.4  項目案例：爬取起點中文網某使用者的書架資訊 180 8.4.1  專案需求 180 8.4.2  技術分析 180 8.4.3  代碼實現及解析 182 8.5  本章小結 184 第9章  突破反爬蟲技術 185 9.1  反爬蟲技術及突破措施 185 9.2  偽裝成不同的流覽器 187 9.2.1  UserAgentMiddleware中介軟體介紹 187 9.2.2  實現偽裝成隨機流覽器 188 9.2.3  更簡單的方法 191 9.3  使用HTTP代理伺服器 192 9.3.1  HTTP代理伺服器 192 9.3.2  獲取免費代理 193 9.3.3  實現隨機

代理 199 9.4  本章小結 202 第10章  檔和圖片下載 203 10.1  文件下載 203 10.1.1  FilesPipeline執行流程 203 10.2  項目案例：爬取seaborn案例原始檔案 204 10.2.1  專案需求 204 10.2.2  技術分析 206 10.2.3  代碼實現及解析 206 10.2.4  更多功能 211 10.3  圖片下載 212 10.4  項目案例：爬取攝圖網圖片 213 10.4.1  專案需求 213 10.4.2  技術分析 215 10.4.3  代碼實現及解析 215 10.5  本章小結 221 第3篇  高級

篇 第11章  Scrapy-Redis實現分散式爬蟲 224 11.1  分散式爬蟲原理 224 11.2  Scrapy-Redis實現分散式爬蟲分析 225 11.2.1  實現分散式爬蟲思路 225 11.2.2  Scrapy-Redis代碼解析 226 11.2.3  分散式爬蟲功能配置 231 11.3  項目案例：分散式爬蟲爬取攝圖網圖片 233 11.3.1  技術分析 233 11.3.2  代碼實現及解析 234 11.4  本章小結 237 第12章  Scrapyd部署分散式爬蟲 238 12.1  使用Scrapyd部署分散式爬蟲 238 12.1.1  Scrap

yd的安裝及運行 238 12.1.2  Scrapyd功能介紹 241 12.2  使用Scrapyd-Client批量部署 244 12.3  使用Docker部署分散式爬蟲 248 12.4  使用Gerapy管理分散式爬蟲 253 12.5  本章小結 258 第13章  綜合專案：搶票軟體的實現 259 13.1  專案需求 259 13.2  技術分析 262 13.3  項目實現及解析 263 13.3.1  搭建Scrapy項目框架 263 13.3.2  實現獲取網站資訊的爬蟲 264 13.3.3  實現網站處理類 266 13.3.4  實現購票類 267 13.3.5

 實現購票功能 280 13.3.6  運行項目 282 13.3.7  優化項目 282 13.4  本章小結 283   隨著人工智慧浪潮的到來，筆者身邊有越來越多的人投入到人工智慧和大資料的學習與研究中。他們來自不同的行業，有高校老師和學生，有AI研究專家，有物理或數學專業人才。他們都迫切希望能夠獲取大量相關領域的資料，用於學習和研究。而互聯網中源源不斷的海量資料為他們提供了一個既經濟又可靠的來源。如何簡單、高效、快捷地獲取這些資料呢？筆者試圖為他們推薦幾本能快速入手的書籍。經過一番瞭解，發現目前市場上關於網路爬蟲的圖書主要分為兩類：一類是翻譯成中文的外版圖書，其定位

相對高端，且翻譯品質參差不齊，閱讀難度較大，不易上手，故不適合初學者學習；另一類是國內原創的一些關於網路爬蟲的圖書，這些書大多要求讀者具備一定的Python程式設計基礎，雖然書中對各種網路爬蟲框架都有介紹，但是不深入也不成體系，對於零基礎或非電腦專業的人員來說，顯然也不太適合。 於是，他們就“慫恿”我，希望我能編寫一本從零基礎開始學起的網路爬蟲書籍。雖然我從事網路爬蟲教學工作多年，但我深知教學跟寫書是兩碼事。教學注重臨場發揮，思維比較發散；而寫書要求文筆流暢、邏輯嚴謹縝密。我實在沒有信心接受這個挑戰。直到有一天，機械工業出版社的編輯聯繫到了我，認為我從事教育和研究工作，能講、會說、有技術，對

寫書來說正是最大的優勢。於是在編輯的鼓勵和指導下，我開始構思和梳理文章脈絡：首先，《從零開始學Scrapy網路爬蟲》受眾要廣，即使是零基礎或非電腦專業的“小白”也能上手；其次，《從零開始學Scrapy網路爬蟲》內容不追求多和雜，只選用最流行、最好用、最強大的網路爬蟲框架介紹即可；最後，《從零開始學Scrapy網路爬蟲》的可操作性和實用性要強，通過反覆運算案例加深讀者對知識的理解與應用，以典型的、知名的網站為爬取目標，提高讀者解決實際問題的能力。《從零開始學Scrapy網路爬蟲》正是遵循這樣的思路逐步推進，不斷優化，最後順利地完成了寫作。  

半導體晶片瑕疵之品質與研發管理

為了解決人工智慧教育的問題，作者曾火嚴 這樣論述：

本論文最主要是針對半導體晶片的表面缺陷及瑕疵做檢測,這三十幾年來晶片性能不斷大幅提高運算能力,尤其目前用在無人電動車、無人飛機、AI系統、更甚用在國防工業等...故晶片必須全面檢測,故必需品質檢測不能有不良品產生。晶片或晶粒經過半導體的製程經切割後,必須要品質控制檢測出表面缺陷及瑕疵,晶片表面主要發生瑕疵包刮(1) 表面刮傷、(2) 晶背刮傷、 (3) 晶背龜裂(4)凸塊刮傷或凸塊不全、(5)保護層不良(6) 晶背汙染、 (7) 探針壓痕、 (8)純化層變色、(9)凹凸變色等。本研究的目的,在研究發展出晶圓於半導體晶片AOI自動化系統檢測,能夠檢出半導體晶片製程中發生缺陷及瑕疵,現今全球化與

國際化，企業面臨更激烈的爭，因此對於產品品質的要求也相對提高。品質、交期與價格是商業交易的三個基本條件。事實上品質已成為競爭之資格條件。晶片表面缺陷檢測通常是人工目視檢測，由檢測人員透過電子顯微鏡，判斷晶片表面上的瑕疵區域的種類，這種檢測方式需要花費大量的人力及檢測成本，不同檢測人員對缺陷及瑕疵的判斷會有不一致的產生，故本文究研發自動化檢測系統以達到產品品質的理想目標。