邏輯 不 好 寫程式的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

電腦&程式設計知識圖鑑：0基礎也好懂!科技素養與邏輯力躍進的第一步!

為了解決邏輯 不 好 寫程式的問題，作者石戶奈奈子 這樣論述：

符合108課綱理念與目標！ AI時代不可不知的知識！ 認識生活周遭的科技，激發好奇心， 自然養成觀察與體驗日常生活中的需求或問題的習慣， 同步提升探索、創造性思考、邏輯與運算思維！   AI是什麼？究竟什麼是程式設計？ 程式語言有何區別？ 最輕鬆、易懂的電腦＆程式設計圖鑑！   　　咦？！ 　　硬體、軟體與程式設計的必備要素 　　都變成了可愛、生動的角色！ 　　這些既熟悉又陌生的角色，你都認識嗎？ 　　超級電腦──透過複雜的計算來支撐社會！ 　　硬碟＆SSD──什麼都記得住的記憶專家 　　編譯器──負責聯繫電腦與人類的翻譯家！ 　　程式錯誤──害程式異常的搗蛋鬼！ 　　Python──以程

式庫為傲的AI教練 　　……精彩圖解超好懂！功能、使用情境一目瞭然！   　　歡迎來到電腦的世界！ 　　平板電腦／智慧型手機／超級電腦／CPU／RAM／ROM／主機板／硬碟／SSD…… 　　除了基本資料、特長與實際應用範例，還有豐富的知識補充， 　　電腦有哪些周邊產品？內部構造長怎樣？電腦與AI的關係是什麼？ 　　將介紹電腦的類型、零件及其功能，從今天開始你也是電腦知識王！   　　我們的生活中充滿著程式設計？ 　　沒有程式下達指令，就無法驅動電腦！ 　　什麼是程式設計？程式設計有什麼用途？程式又是如何編寫的？ 　　當程式出現錯誤會發生什麼狀況？ 　　介紹程式的基本思維，清楚易懂的流程結構說明

， 　　原來程式設計這麼有趣！   　　電腦之間有共通語言嗎？ 　　C語言？Java？Python？ 　　這些好像看過、卻從不了解的名詞代表著什麼？ 　　用0和1就可以表達資訊？！程式語言有哪些？要怎麼學？ 　　介紹人類語言與機械語言之間的差異， 　　結合彼此的智慧就能創造無限的可能性！ 　　 好評推薦   　　★臺北市日新國小校長／臺北市國小資訊教育輔導團‧召集人 林裕勝 　　★Coding魔法學院創辦人 蔡淑玲 　　★新竹市建華國中教師‧暢銷作家 謝宗翔（KK老師） 　　（依姓氏筆畫順序排列）

邏輯 不 好 寫程式進入發燒排行的影片

結合微控制器與卷積神經網路設計緊急救護輔助系統

為了解決邏輯 不 好 寫程式的問題，作者黎家宏 這樣論述：

本研究以卷積神經網路(Convolutional Neural Network; CNN) 結合Arduino微控制器設計緊急救護輔助系統。地球暖化悄悄地到來，對我們的生活帶來很大的影響，平均氣溫逐年升高。天氣炎熱，泡在冰涼的水中非常舒服，讓玩水消暑的民眾比例提高，由於溫度變化過大，一冷一熱肌肉收縮，容易造成抽筋等意外，因而導致溺水事件的發生。本研究以卷積神經網路 (Convolutional Neural Network; CNN)圖型識別建立水上安全溺水偵測模型，依游泳姿勢幅度與變動率做為資料來識別游泳者在水中之安危。當識別到溺水之姿勢，系統會即時發出警報聲讓周圍的人知道。偵測到有人溺水

時，緊急救護輔助設備會自動開啟，手機APP則自動連結救援人員，通報消防隊與救生員，避免錯失黃金救援時間，達到有效預防意外事故發生，使救援時間縮短，進而確保游泳者的生命安全，達到提高游泳效能與降低運動傷害及事故的目標。

誰說不能從武俠學程式?

為了解決邏輯 不 好 寫程式的問題，作者李開周 這樣論述：

　　破譯武林招式，看懂程式設計！ 　　‧郭靖的小紅馬在Scratch裡能任意變色？ 　　‧韋小寶加盟天地會誓詞是高階程式語言？ 　　‧黃蓉的計算能力比Python還強？ 　　‧用費波那契數列就能進入桃花島？   　　以武俠小說的場景為媒介，讓武林絕招和程式設計理論緊密結合。只要你摸過電腦、玩過電動遊戲，熟悉鍵盤和滑鼠的操作，就能讀懂本書的程式邏輯。   　　讀者朋友可以一邊學習編寫程式的基礎知識，一邊跟著範例練習編寫代碼，不但能真正感受到程式設計的樂趣，還能解決生活中很多意想不到的大小問題。   　　本書從用PowerPoint製作基本動畫講起，再進入麻省理工學院開發的入門級動畫軟體Scr

atch，最後敲開程式設計的利器Python，循序漸進帶領讀者朋友理解程式世界的奧祕，並享受數位科技帶來的樂趣。   　　「如果你擁有電腦，卻沒有安裝Python，那叫暴殄天物。」～李開周   俠義推薦   　　戴逸群　亡牌教師 　　（依姓氏筆畫排序）

運用人工智慧辨識IC及異常數據分析預測

為了解決邏輯 不 好 寫程式的問題，作者傅雙玉 這樣論述：

本研究的目的係運用人工智慧(Artificial Intelligence, AI)中的三種工具，(1)卷積神經網路(Convolutional Neural Network, CNN)中Yolov3即時物件偵測系統、(2)Microsoft Azure Custom Vision自訂視覺，以及(3)懷卡托智能分析系統 (Waikato Environment for Knowledge Analysis, WEKA)，對IC的瑕疵進行訓練及測試，進而尋找及預測出IC發生異常的原因。前2項軟體用於IC的瑕疵辨識，而Weka則是利用各種演算法，對IC異常的數據資料進行訓練、建立模型，然後運用及

測試該模型，以預測出IC發生異常的原因。Yolov3即時物件偵測系統，使用LabelImage工具做圖片標示，然後在Google Colaboratory (簡稱Colab) 的環境進行模型訓練和測試。在Yolov3的訓練模式中，總共上傳608張IC圖片，做了4個階段的迭代次數比較；最後一次迭代次數為16,440，總損失函數為0.0413，平均損失函數則為0.0488；在每階段做完訓練後，各抽樣好與壞的圖片，計算其辨識成功率，在最終辨識結果方面，總平均辨識率已從71% 提高到98%。Microsoft Azure Custom Vision自訂視覺，係使用智慧型Labeler做標示，優點是單一

分類的物品可以整包上傳後只要標示一次，即可訓練及測試這些圖片。本研究的自訂視覺模型的訓練及測試，總共分了6個階段，從張數30張增加到943張的圖片進行階段性比較，其最終辨識結果，AP(average precision)平均精度已自83%提高到98%。在Weka模型訓練及測試中，選取Logistic、Multilayer Perceptron及J48這3種演算法對所收集的IC異常數據進行模型訓練及測試，從而分析及預測IC發生異常的原因和實際數據結果是否相符。本研究分別使用了第1階段32筆、第2階段42筆數據做訓練，建立起訓練模型，Logistic和Multilayer Perceptron演算

法的訓練模型，其分類正確性都是100% 精確，而J48演算法的訓練模型，其正確分類的結果從87.5%提高為90.48%。後繼於建立起的訓練模型，再分2階段投入10筆和5筆的測試資料集進行測試及預測。由取得的預測結果可知，以Logistic 演算法的訓練模型其精確度最高最適合作為本研究的預測。