10分之1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

機率思考【威力加強版套書】：從華爾街、拉斯維加斯到商業世界都在用的「高勝算思維法」(機率思考+莊家優勢)

為了解決10分之1的問題，作者羅伯．麥修斯,馬愷文 這樣論述：

──破萬讀者肯定！機率思考【威力加強版】再進化── 人類腦海中的起心動念， 如何影響你的決策，決定你勝出或落敗的命運？ 不確定性倍增的元宇宙時代， 你更需要「機率思考」與「莊家優勢」的思路導航！ 　　【第一冊】 　　《機率思考：職業賭徒與華爾街巨鱷的高勝算思維法，面對機率、風險和不確定性的34堂防彈思考課》 　　從華爾街、拉斯維加斯到商業世界， 　　為什麼只有５％贏家有「敢於和上帝玩骰子」的勇氣， 　　而９５％的人卻只能當受命運擺布的傻瓜？   　　★ 英國皇家統計學會研究員、《BBC Focus》專欄作家羅伯‧麥修斯代表作 　　★ 人生賽局中，面對不確定性，高手如何做決策？當資訊

超載時，贏家如何找真相？ 　　★ 該Pass？還是要All in？面對機率、風險和不確定性的「34堂防彈思考課」 　　★ 別讓「線性思考」與「直覺」誤導你的決策，看懂本書所謂的機率，從此不再當理盲傻瓜 　　頂尖贏家都知道：數字會說謊，常識不可靠…… 　　唯有學會「機率思考」，才能持續累積籌碼，取得最終勝利。 　　人生在世，我們永遠無法擺脫不確定性，以及隱伏其中的風險。幸好，我們擁有迎戰「未知」的武器：機率學。 　　本書取材自日常生活，以豐沛淺白的筆觸，為讀者揭開千變萬化的機率樣貌，以及它幾乎無所不包、令人大開眼界的精采應用： 　　● 金融海嘯真是「25個標準差」的罕見事件，連天才也無力

回天嗎？ 　　● 美式足球隊中的22名球員，生日相差一天的機率有多高？（答案超乎想像！） 　　● 花小錢買心安的延長保固，為什麼是商人的高獲利保證？ 　　● 準確率達80％的癌症篩檢驗出陽性，為何你還能抱持83％未罹癌的機率？ 　　● 穿梭地震帶、營運逾五十年的日本新幹線，卻不曾有乘客因地震喪生，憑什麼？ 　　● 二戰時，圖靈破解德軍自豪的Enigma密碼機，關鍵居然源自某個「冷僻歪理」…… 　　● 數據探勘正流行，問題是，你如何辨識從數據中挖到的是金礦？還是垃圾？ 　　超有趣！ 　　Step by Step揭示機率定理及其應用， 　　本書將幫助我們蛻變成更聰明的賽局參與者， 　　洞悉95％

輸家無法突破的思維謬誤！ 　　本書的目的之一，就是透過揭示機率定理及其應用，使讀者理解日常生活中的機率事件。 　　你會讀到如何運用這些定理預測巧合，幫助你在商場上與生活中做出更佳決策，藉以明智地解讀從投資建議，到醫療診斷等種種與人生攸關的事物。 　　【第二冊】 　　《莊家優勢：MIT數學天才的機率思考，人生贏家都是機率贏家》 　　――――電影《決勝21點》真人實踐版！―――― 　　一個橫掃賭場與商業世界的數學小子， 　　如何運用「機率思考」輔佐決策，為自己贏得財富、機會與人生？ 　　★ 華裔數學天才馬愷文，首次公開數據運用的技術，內容涵蓋21點算牌策略、商業決策到人生規劃…… 　　★

第一本教你「聰明」登上金字塔頂端的贏家指引：人生贏家都是機率贏家 　　★ 絕無冷場！結合牌桌智慧及人性觀察，精彩說明「數據導向」決策的應用價值 　　★《魔球》傳奇經理人比利．比恩指定必讀，《富比士》雜誌、《出版人週刊》同感推薦 　　大吉大利，今晚吃雞！ 　　“Winner winner , chicken dinner!”―Jeffrey Ma 　　無論你的下注目標是什麼，這本書都蘊藏「扭轉勝率」的真理 　　他運用高超的機率思考法則， 　　把二十一點賭局變成一門高獲利的生意。 　　他縱橫各大賭場，賺進超過600萬美元。 　　他的勝率大到不可思議，讓他被全美賭場列入黑名單。 　　他的故事實

在太傳奇，電影《決勝21點》捧著現金，要以他的真實經歷為藍本…… 　　他是馬愷文，一位數學天才、麻省理工學院高材生。 　　這本親筆著作，將首次公開他在牌桌上的邏輯思考與分析方法， 　　結合對人性的觀察，以及對數字的智慧， 　　告訴你：普通人要如何運用數字呈現資訊、贏得勝利？ 　　你將學到在混沌中決斷的智慧，取得人生各領域的「莊家優勢」！ 　　【其實，你可以更聰明的贏！】 　　馬愷文提升自我「莊家優勢」的四大原則： 　　● 建立正確的決策框架：串聯目的、範圍與觀點，大幅增加決策勝算。 　　● 掌握變異數，用時間交換成果：別對短期結果反應過度，90％的人都輸在這裡。 　　● 把歷史數據納入決

策過程：該相信直覺？或相信數據？答案跟你想的不一樣！ 　　● 保持紀律，擺脫心理偏誤：正因為人類不理性，我們更需要與人性對作。 　　馬愷文說：「21點完全是一種數學遊戲，不管你決定拿牌、不拿牌……都沒有可以即興發揮的空間。21點給予我最終的洗禮，讓我對『統計』這個信仰產生無比的信心。統計的獨特性，讓我對數字的力量深具信心，也讓我了解，運用分析以便在商業上致勝所需要的根本原則。在《決勝21點》之後的職業生涯中，我帶著這些心得經驗，尋找可以在賭場以外運用它們的機會。」 　　【獨家收錄】 　　● 馬愷文21點快速算牌心法 　　● 打敗21點莊家「基本策略圖解」  

10分之1進入發燒排行的影片

基於超低解析度影像之特徵萃取於床上病患之靜態與動態姿勢辨識演算法

為了解決10分之1的問題，作者陳天祥 這樣論述：

在醫院中，經重大手術後之病患與行動不便須長期被照護之老年族群，其活動範圍以病床為主，在復原過程中有一些臥床而衍生的健康風險，常見下列三項因素有礙康復：翻身頻率低而引起的壓瘡（一般稱為褥瘡）、下床時錯估自身體能而跌倒受傷、睡眠品質不佳減緩康復之速度。許多研究致力解決這三類危害健康的議題，其中多半採用壓力感測床墊收集資訊，再搭配演算法辨識行為。但是壓力感測床墊長期未見醫院大量採用，關鍵原因在於壓力感測器若密集地佈建於整張床墊，將導致硬體成本過高，不能滿足大量病床佈建之需求；若改採一般攝影機感測病床上影像，其影像解析度過高會侵害病患隱私，搭配的影像辨識法亦難以處理不同床位多樣化背景的問題。本研究將

上述三項問題的解決方法分為兩大類：(1)靜態的睡姿辨識演算法，用於壓瘡預防與睡眠品質分析兩個問題；(2)動態的離床準備姿勢辨識演算法，用於離床預警以預防下床跌倒受傷。對於第一類的靜態睡姿辨識演算法，本論文提出基於fuzzy C-means clustering（FCM）為核心演算法，先以FCM應用於識別人體部位，再建立特徵空間，可達到自適應人體位移之效果，進而穩定辨識出六種睡姿。硬體設備的佈建，在上半身區域採用較稀疏的壓力感測點數量，下半身區域以單一紅外線陣列感測器的超低解析度影像（8 × 8 pixels）取代大量壓力感測點，除了能保護隱私外，還能增加辨識準確率並兼顧成本考量。此外，針對光學

影像式感測器與多點壓力式感測器之感測品質比較，本論文提出訊號偵測閥值(threshold)指標代表感測間隙大小，在面對不同類型設備亦可客觀評估出感測品質之優劣。該指標顯示，低價位的單一光學影像感測器比起普通密度的多點壓力式感測陣列，光學影像類型的感測間隙較小，亦即感測品質較佳。在第二類動態離床準備姿勢辨識研究，以靜態睡姿辨識之成果作為先期研究，在評估光學式和壓力感測式硬體的優缺點後，僅採用光學式深度影像感測器擷取連續超低解析度的深度影像（32 × 24 pixels），以辨識五種人體連續的離床動作狀態。不同於靜態的睡姿辨識方法，深度影像感測器安裝位置受醫院的管制，無法安裝在能觀察到完整肢體動作

的地方，使得動態離床姿勢辨識演算法的設計難度提高。對此，我們分為兩階段設計演算法。首先採用擅長於影像識別的卷積神經網路（convolutional neural network, CNN）架構之深度學習（deep learning）演算法，該演算法初步用於辨識單張簡單的床上姿勢，因為輸入資料為二維（two dimensions, 2D）平面影像，因此也可稱為2D CNN。以CNN找出兩種潛在的動態離床姿勢後，再以CNN中的特徵視覺化（feature visualizations）方法進一步確認其關鍵動態姿勢之存在。最後再增加關鍵動態姿勢之訓練，運用於能識別連續複雜動作的3D CNN；該演算法透

過輸入連續超低解析度影像序列，以增加時間維度資訊，可擴增出傳統2D CNN輸入資料中不存在的第三個維度，以穩定識別出困難度較高的動態離床預備動作。本論文提出床上病患之姿勢辨識演算法設計，在設備的佈建上，尚兼顧身體部位之代表性感測資訊、隱私性保護、感測電子設備裝設在床頭的醫院限制，以及避免接觸式感測器之體液感染而帶來的清潔成本。基於超低解析度影像之輸入資料，提出靜態與動態兩種姿勢辨識演算法的兩種設計。其中靜態姿勢辨識演算法準確度達到88.05%，在下半身區域其佈建成本是壓力感測床墊的10分之1，整體佈建方法的成本與效益明顯更具實用性。同時也提出新的客觀評估方法—訊號偵測閥值，得以用量化數據，以呈

現不同設備之感測間隙差距。在動態姿勢辨識演算法的實驗，以三段連續測試案例，共2,295個測試樣本，其中包含長時間坐在床上，此為最困難的情境。測試結果皆辨識正確，同時在系統的線上推論之過程亦同步側錄影片，以證明系統即時性的效能表現。干擾測試案例中甚至克服了探病者坐在床邊的干擾狀況，該情況若以壓力感測床墊必定會造成誤判。此外還包含有床邊其他人行走的干擾狀況，以及不同病床結構的因素，充分表現出本研究考量醫護機構中諸多限制條件，足可證明本研究之實用性。

讓腦袋大躍進的史丹佛超級筆記術

為了解決10分之1的問題，作者柏野尊德 這樣論述：

  現今已經有很多學生開始使用科技產品，像是iPad等來做筆記。 那位於美國科技大本營加州的史丹佛大學用的一定是最尖端的科技吧？ 正好相反。 史丹佛大學用的仍然是最傳統的紙跟筆。   史丹佛大學的校園座落在科技公司聚集地的矽谷， 像是Apple、Facebook等等，可說是聚集了全球人才之地。 這些人運用紙筆大量書寫，幫助他們想出令人驚嘆的好點子。   雖然這本書的書名有「筆記術」三個字，但裡面教的並不是學校上課要怎麼作筆記， 而是藉由將雜亂無章的想法書寫下來，用視覺化的方式梳理脈絡，來磨練個人的思考能力； 並可以進一步學會如何把想法傳達給他人，甚至提升團隊整體的思考力。   本書作者在史

丹佛大學學習設計思考。 在那裡，他學到了如何使用紙筆、框架來幫助思考。 這本書就是作者詳細解說在史丹佛學到的筆記手法，鍛鍊假說思考力，並讓成果最大化。   本書可以幫助讀者學習史丹佛、矽谷菁英都在用的「邊書寫邊思考」習慣， 掌握邏輯思維及創意發想的關鍵。   ｜誠摯推薦｜ 筆記女王Ada 

非酒精性脂肪肝與勞工健檢資料相關性之研究

為了解決10分之1的問題，作者陳淑楣 這樣論述：

動機：近年來社會經濟成長與國人生活水準提高，台灣勞工人數達1027萬人(勞動部，2018)，工作型態因產業改變也導致工時過長、輪班、工作壓力等，勞工體檢中最常被關注的問題是肝功能問題，針對台灣勞工族群的非酒精性脂肪肝之危險因子和盛行率目前未有大型研究或探討。目的：本研究目的分析無酗酒之勞工健檢資料與非酒精性脂肪肝如下：一、分析非酒精性脂肪肝患者生化血液檢測數據異常狀況。二、探討身體質量指數、腰圍與非酒精性脂肪肝之相關性。三、探討非酒精性脂肪肝與勞工發生之職業類別之相關性。四、能有效評估非酒精性脂肪肝發生率。五、此研究結果提供給勞動部在勞工健康促進計畫參考。方法：回溯抽取2016年至2017年

北部某區域醫院健康檢查中心的勞工健康檢查，總數量達21,386筆，排除重複個案及酗酒勞工，並選取桃園市內勞工群體，共得3,176名受試者，其人數已大於10分之1，符合立意取樣選取勞工體檢的樣本有其代表性，以增加此研究對區域性脂肪肝問題的領悟和洞察。統計方法說明如下：一、用描述性統計分析人口變項及勞工體檢變項之分布。二、卡方檢定分析人口變項及勞工體檢變項在非酒精性脂肪肝分布之差異。三、以羅吉斯迴歸分析探討影響非酒精性脂肪肝之人口變項、勞工體檢變項的因子。結果：本研究分析結果如下：一、個人基本變項與非酒精性脂肪肝有相關性。二、不同個人基本變項在非酒精性脂肪肝之分布能有顯著差異。三、勞工體檢變項與非

酒精性脂肪肝之分布能有顯著差異。四、不同個人基本變項因素健檢結果對非酒精性脂肪肝有相關性比較。討論：此份研究具有參考價值，勞工體檢項目與非酒精性脂肪肝有很大的相關性，目前3年或5年才實施勞工體檢，無法及早警示勞工們，為降低勞工們未來致病率，應鼓勵或修正條例每年執行勞工體檢，讓勞工朋友有更好的健康繼續在職場上努力。關鍵詞：非酒精性脂肪肝、勞工健檢、職業類別