| 1 2 3 4 5 |
 |
A759 資料科學學習手冊｜Python資料處理、探索、視覺化與建模實作 |
|
「這本書正是我當年提出『資料科學家』這個職稱時，所希望能擁有的一本書。如果您希望投身資料科學／工程、人工智慧，或機器學習領域，就該從這裡開始。」
──DJPatil博士，美國首任首席資料科學家
身為一位有志成為資料科學家的讀者，能夠理解各類組織為何仰賴資料來做出關鍵決策──無論是公司在設計網站、還是市政府在改善公共...
more
|
|
 |
|
|
 |
A782 Statistical Tableau｜活用統計模型與科學決策力 |
|
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...
more
|
|
|
|
|
|
 |
A812 Neo4j技術手冊｜從規劃到正式部署的圖資料庫實戰 |
|
「這一本最佳指南將帶你打造可正式部署的Neo4j系統。深諳Neo4j的實踐專家在書中展示Neo4j的優勢，以及潛在陷阱的因應之道。這是圖資料庫專業人員的必讀之作。」
——JimWebber，Neo4j首席科學家
想要提升Cypher指令的效能，或利用關聯資料模型來支援實際的商業需求嗎？領先全球的原生圖資料庫Neo4...
more
|
|
|
|
|
|
 |
A811 LLMOps打造穩定運行的大型語言模型系統 |
|
「使用AI來開發應用程式日益簡單，但在將LLM部署到生產環境時，才會面臨真正的挑戰。本書是我用來教導學生掌握複雜的LLMOps，並成功部署大型語言模型的重要指南。本書以清楚、可行的解決方案，幫助讀者將LLM原型轉化為穩定、可投入生產的AI系統，是一本不可或缺的讀物。」
——AmmarMohanna，EDT&Partner...
more
|
|
|
|
|
|
 |
A805 LLM提示工程技術｜打造兼具藝術與科學的高效應用 |
|
Albert和John是史上最成功的生成式AI產品之一GitHubCopilot的幕後推手，也因此成為值得學習的典範。本書讓每個人都能輕鬆邁入提示工程這個領域。
——HamelHusain，獨立AI研究員與顧問
大型語言模型（LLM）正在徹底改變世界，期許能自動化各種任務並解決複雜問題。新一代的軟體應用紛紛把這些模...
more
|
|
|
|
|
|
 |
A807 LangChain學習手冊｜使用 LangChain 與 LangGraph 建構 AI 與 LLM 應用程式 |
|
|
若要打造可推理及提取外部資料、理解前後脈絡、可投入正式環境的AI應用程式，你就必須熟悉熱門的開發框架與平台LangChain。它可以用來建立、執行與管理有自主行動能力的app。目前已有許多頂尖公司採用LangChain，包括Zapier、Replit、Databricks等。對於已經學會Python或JavaScript，...
more
|
|
|
|
|
|
 |
A796 LLM語意理解與生成技術完全開發 |
|
AI語言技術的進步，正以前所未有的速度改變世界！
「Jay和Maarten一如既往地運用精美的插圖為複雜主題提供深具洞察的描述。對於任何想了解大型語言模型背後主要技術的人來說，這本書都是寶貴的資源。」
—AndrewNg（吳恩達)，DeepLearning.AI創辦人
「我想不出有哪本書比這本書更重要，值得現...
more
|
|
|
|
|
|
 |
A806 AI工程｜從基礎模型建構應用 |
|
⭐⭐⭐⭐⭐Amazon五星好評
🏆機器理論#1🏆自然語言處理#1🏆企業應用#1，霸榜超過30週
「本書提供了一個全面且結構清晰的指南，涵蓋建構生成式AI系統的基本面向。對於希望在企業內推展AI的專業人士來說，這是一本必讀之作。」
——VittorioCretella，前P&GandMars全球資訊長
...
more
|
|
|
|
|
|
 |
A787 生成式AI提示工程｜以前瞻性的設計打造穩定、可信任的AI解決方案 |
|
來自業界專家的推薦📢
「Mike和James是這領域的大師，這絕對是我讀過關於提示工程的最棒書籍之一。」
──DanShipper，Every共同創辦人與CEO
「如果想要提升AI系統的準確性和可靠性，這本書在你的書架上足有一席之地。」
──MayoOshin，SiennaiAnalytics創辦人與C...
more
|
|
|
|
|
|
 |
A777 因果推論的商業應用：用Python解鎖科技產業的精準行銷 |
|
🎯資料驅動時代，行銷決策不再靠直覺，你需要的是──科學證據！
・折扣真的能提高銷售？哪些顧客即使不推也會買？
・無法進行A/B測試時，還有哪些方法能推論效果？
・在資源有限的情況下，如何讓每一分行銷預算發揮最大效益？
✔把抽象的因果推論方法，運用到科技產業的真實商業問題上。
✔教你如何思考模型背後的假設...
more
|
|
|
|
|
|
| 1 2 3 4 5 |