使用案例 範例的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

銷售 AI 化!看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型

為了解決使用案例 範例的問題，作者MasanoriAkaishi 這樣論述：

　　【世界發生劇變！銷售 AI 化勢在必行！】 　　AI 議題已經講了好多年，然而絕大多數的企業仍然沿用老路子做生意，亂槍打鳥式的銷售方式也沒甚麼進步。然而時代不同了，既然有 AI 這個好工具為何不用？因為不懂不會所以不知該如何開始？眼睜睜看著 Google、Facebook 靠著 AI 化的銷售技術大賺特賺！ 　　其實，AI 不是大企業才能作，中小企業也可以，但不是全面做，而是挑選適合的做。最容易做到且很快就能換成實績的就是行銷、業務的銷售工作，只要利用自身累積的銷售與客戶等資料就行，讓 AI 自動找出其中隱藏的銷售密碼，並直接運用在工作中驗證，這就是本書的主軸：銷售 AI 化，讓機器

學習來幫忙。 　　【AI 不是打高空，要落實在工作中】 　　許多工程師學了 AI 技術，卻不知道如何讓技術落地！其實開發以銷售為目的的 AI 並不需要高深的技術，只要用機器學習就能辦到。書中範例使用的都是真實企業產生的工作資料，例如要預測潛在客戶時，可讓 AI 從客戶職業、年齡與過去的銷售實績等資料自動學習，找出資料間的關係建出模型並做出預測，我們就可以對商品或客戶擬定策略去執行計畫。也可以依據過去幾年的每日銷量，考慮節假日的影響，利用 Facebook 提供的時間序列套件去預測未來一段時間的銷量等等。 　　重要的商用實作範例包括： 　　●銷售成交預測 　　●銷量或來客數預測 　　●季節週

期性變化預測 　　●推薦商品提案 　　●根據客群制定銷售策略 　　本書由世界 500 大企業 Accenture (埃森哲) 公司的 AI 集團資深總監親自執筆，規劃出開發 AI 專案的標準流程，從選擇適合引入工作中的 AI 開始，一路到訓練資料的取得、資料加工、選擇演算法及建立 AI 模型之後的評估與調整等 9 大步驟。即使沒有開發過 AI 專案經驗的人也不用擔心，只要跟著動手做，就能看到成果。 　　書中的案例會實作監督式學習與非監督式學習中「分類」、「迴歸」、「時間序列」、「關聯分析」、「分群」、「降維」等各種演算法，讓讀者依照問題的類型選擇適用的處理模式。而且每個專案都不馬虎，從頭做

到尾一遍一遍演練 SOP，將流程深深印入腦海，熟悉每個步驟之後才能順利應用到自己的專案。 　　【邁向資料科學家之路】 　　書中提供的所有 Python 程式都是可以運用在實務工作上的原型，每個人都可以利用這些原型建出自己想要的機器學習模型。了解如何從實務觀點建立 AI，藉由本書了解整個專案的開發流程以及 Python 程式的實作方式，也等於邁出成為資料科學家的第一步。 　　許多書籍在教導讀者建出 AI 模型後就結束了，但資料科學家最有價值之處就在於建出預測模型後該如何因應提出的需求做調整，本書也會詳細介紹數種調整模型的方法與策略。 　　【適合的讀者程度】 　　無論是 MIS、程式設計師、

業務或行銷主管、只要具備 Python 程式基礎就可以開始。AI 專案常用的 NumPy、Pandas 與 Matplotlib 等必備 Python 套件，也會在書附講座中一一介紹供讀者練習。開發環境是雲端的 Google Colaboratory，只要能上網就能用，省去在自己電腦安裝軟體的麻煩。 本書特色   　　1. 世界 500 大 Accenture (埃森哲) 公司 AI 集團資深總監親自執筆 　　2. 實用性最高！能實際運用在提高公司的銷售績效。 　　3. 一點都不難！只要具備 Python 語言基礎就能上手。 　　4. 由施威銘研究室監修，在適當的地方補充說明幫助讀者理解。

使用案例 範例進入發燒排行的影片

卡牌鷹架引導式寫作系統之學生端設計與實作

為了解決使用案例 範例的問題，作者莊韻婕 這樣論述：

現今，培養學生具備好的寫作能力是一項重要的教育目標。本研究旨在研發一套使用作文範例和卡牌鷹架來輔助學生學習寫景文及議論文兩種文體的引導式輔助寫作學習系統。此系統採用瀏覽器介面，並以卡牌鷹架來輔助學生學習寫作。本研究研發的引導式輔助寫作學習系統包含四項學習任務。第一項為標記任務，訓練學生在閱讀文章後，標記出符合寫景文或議論文段落特性的句子，作為日後仿寫素材。第二項為貼圖任務，讓學生撰寫完作文範本中的空白段落之後，截圖貼上至系統中，採用貼圖的方式可彈性適用不同分段結構做段落寫作練習。第三項為卡牌任務，引導學生依照卡牌鷹架，撰寫文章各分段內容，組織成一篇文章。第四項為寫作任務，學生依照前三項的訓練

並在撤除卡牌鷹架輔助的情況下，自己思考與佈局文章段落來完成一篇文章的寫作。本研究經由42位國中生實際參與使用引導式輔助寫作學習系統，透過使用性問卷調查結果得知在使用喜好度排名上以標記任務最優、貼圖任務與卡牌任務次之、寫作任務最後；在易用性排名上以標記任務最優、貼圖任務次之、卡牌任務與寫作任務最後；是否達到學習目的學生評價排名上以標記任務最優，其它三項任務同分次之。另外，問卷結果顯示50%學生同意閱讀範文能夠提昇寫作興趣，38%學生選擇普通，12%學生不同意；45%學生同意觀看教師批改評論有助於提昇寫作能力，48%學生選擇普通，7%學生不同意；50%學生同意本系統對於學習寫景文是有幫助的，43%

學生選擇普通，7%學生不同意；45%學生同意本系統對於學習議論文是有幫助的，48%學生選擇普通，7%學生不同意。最後，本研究探討未來系統發展方向，建議可將標記資料轉存為隨時查閱及使用的寫作素材，可適度調整寫作難度並輔助學生將學習成效發揮到最大。

圖解資料庫的工作原理

為了解決使用案例 範例的問題，作者坂上幸大 這樣論述：

　　在電腦與網路普及的現代社會中，大量的資訊讓我們得以擁抱便利的生活。只要稍微仔細觀察，就能發現生活中充斥了許多資訊。例如，社群網路服務與通訊軟體、電車時刻表、記錄於出勤系統中的時間、地圖軟體中的餐廳資訊、設定手機提醒的行事曆，以及網路購物的商品資訊等。如今，這些資訊在世界各處持續增加，大量的資料要如何儲存，又要儲存在哪裡？處理大量的資料時又該怎麼做？解決這些問題時，資料庫是一項關鍵的技術。 　　本書包含使用資料庫前必須了解的知識，包括： 　　．資料庫的基礎知識 　　．資料庫的操作方法 　　．系統設計的相關知識 　　．資料庫運用的相關知識

樹莓派邊緣計算結合Google Teachable Machine 及OpenVINO之應用

為了解決使用案例 範例的問題，作者洪敏豪 這樣論述：

COVID-19大流行，戴口罩已是國人日常必須的行為，而目前國內公共場所陸續添購辨識戴口罩的設備。透過樹莓派與Teachable Machine的配置，Teachable Machine可快速地完成訓練口罩模型，訓練完成的模型部屬於樹莓派，樹莓派使終端設備輕量化、設備成本也相對較低。除此之外，辨識的項目可依使用者的需求變更項目，僅需要透過Teachable Machine 更換訓練模型類別，訓練出的模型將運行於已建置環境，可以運行識別工作。使用Teachable Machine完成模型訓練，將探討模型的訓練結果，包含準確度、損失函數、精確度等等。此外，在訓練模型完成後，透過模型優化器，將模型

轉換優化，部屬在樹莓派環境上。本文將於樹莓派建置兩個環境，進行比較。其一為OpenVINO框架，搭配神經運算棒，其二為TensorFlow Lite環境。本文將探討兩者環境的模型運算辨識效率與準確度，而使用OpenVINO的框架搭配神經運算棒(NCS2)，影像識別處理時間降低了40~50ms，約降低了1/2以上的處理時間，效能提升了2倍以上。