Big Data 巨 量 資料分析的問題，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

超越多顯卡多機器：分散式機器學習超速實戰

為了解決Big Data 巨 量 資料分析的問題，作者陳敬雷 這樣論述：

在Hadoo/Spark/Mahout/Tensorflow上跑多機器多片GPU的機器學習   　　機器學習在神經網路和GPU流行起來之後大放異彩，連販夫走足都CNN/RNN朗朗上口，然而許多企業/研究機關/學校在花了大筆預算購買昂貴的硬體時，卻不知如何採購，更不用說如何應用這些硬體來進行研發或產品開發了。本書作者是知名電商的創辦人，其不止在機器學習上有十足的實務經驗，在面對大量資料的場景下，更能利用前人的智慧，用上了Big Data最流行的Hadoop/Spark平台。尤有甚者，在新一代的AI函數庫面世時，也能充分利用這些函數庫的GPU加速，將多機器，多GPU的資源應用在大型專案上。  

　　▌業界獨有 　　全書以Hadoop/Spark為基礎，加上使用了最流行的TensorFlow on Hadoop，更使用了分散式系統最老牌的Mahout，有別於一般只介紹Python/TensorFlow的坊間書籍，是市場上唯一僅有完整從Hadoop一直延伸到神經網路。   　　▌內容完整豐富 　　本書以分散式機器學習為主線，以實戰為主要目的。共分為8章，分別介紹網際網路公司巨量資料和人工智慧、巨量資料演算法系統架構、巨量資料基礎、Docker容器、Mahout分散式機器學習平台、Spark分散式機器學習平台、分散式深度學習實戰、完整工業級系統實戰（推薦演算法系統實戰、人臉辨識實戰、對話

機器人實戰）等內容。   　　適合讀者 　　適合分散式機器學習的初學者閱讀，對於有一定經驗的分散式巨量資料方向的從業人員及演算法工程師，也可以從書中獲取很多有價值的知識，並透過實戰專案更佳地理解分散式機器學習的核心內容。

Big Data 巨 量 資料分析進入發燒排行的影片

銀行業與保險業運用雲端服務與個人資料保護之合規研究

為了解決Big Data 巨 量 資料分析的問題，作者王綱 這樣論述：

雲端運算自2010年開始商業化迄今已逾10年的發展，隨著資訊技術在軟硬體方面的革新、網際網路效能提升和新興行動科技的問世，無論是在雲端服務的模式(如SaaS、PaaS、IaaS)或是架構(如公有雲、私有雲、混和雲與社群雲)上都逐漸成熟，也使雲端運算在各領域(例如:公部門、醫療、金融、物流等)的運用漸成為趨勢。銀行業與保險業在雲端運算的運用上之前多以私有雲來進行 (例如巨量資料分析、區塊鏈的智能合約、智能客服等)，主因是考量法規依據與個資保護等議題，所以對於委外雲端服務大多在評估階段。2019年9月30日完成「金融機構作業委託他人處理內部作業制度及程序辦法」修訂後，銀行業與保險業在委外雲端的運

用上有較明確的法規依據。日後便可依照相關辦法中所規範的原則建立委外雲端服務的系統架構。金融機構運用雲端服務的個資保護議題除了與「個人資料保護法」及「個人資料保護法施行細則」有關外，「金融機構作業委託他人處理內部作業制度及程序辦法」、「金融監督管理委員會指定非公務機關個人資料檔案安全維護辦法」、「保險業辦理資訊安全防護自律規範」等都是需要遵守的法規規範。在委外雲端服務的運用上若要符合個資保護的相關規範，就必須在委外雲端服務的合約中訂立適當的條款。合約中對於委外雲端作業的風險控管、委託者的最終監督義務、主管機關和委託者的實地查核權力、查核方式、資料保護機制、受託者權限管理、資料儲存地點及緊急應變計

畫等都應在委外雲端服務合約中載明，以利個人資料保護的執行。本篇論文以此想法為出發點，並以目前委外雲端服務中較具規模業者的合約為討論對象，說明一般委外雲端服務合約對於相關法規的涵蓋程度。

情報致富的EXCEL統計學：上班有錢途，下班賺更多，大數據時代早一步財富自由的商業武器

為了解決Big Data 巨 量 資料分析的問題，作者涌井良幸,涌井貞美 這樣論述：

股票該抱還是賣？業績好壞怎麼看？產品銷量如何估？ 大數據時代，海量資料就是取之不盡的金礦山！ 挖出獲利關鍵情報，你需要統計學！ 　　˙朋友告訴我，某支股票大家都說會漲。大家是誰？如何判斷此情報可不可信？ 　　˙連號彩券和隨機彩券，哪張更容易中獎？兩者的差異何在？ 　　˙如何根據新品廣告預算和銷售員人數，精準預測銷售額，讓我更快業績達標？ 　　大學沒修過統計，以為就此田無溝水無流？ 　　出社會後，才發現統計和任何事都有關係，更是未來更有錢途的關鍵！ 　　本書收錄大量圖解、EXCEL實作，加上豐富案例、測驗， 　　以最簡單、最有效率的方式教你讀懂統計學，挖出獲利關鍵情報。 　　想早一步財富

自由？統計是你絕不能缺少的商業武器！ 　　★早一步財富自由，就一定得看懂數字的騙局！ 　　生活中處處是統計，舉凡： 　　股票價格波動、經濟成長率、GDP、政府支持率、失業率、 　　網路媒體文章、產品廣告、電視、報紙、天氣預報…… 　　想賺錢，看不懂數據背後的意義怎麼行？不信？下列提問你答得出來？ 　　˙勞工的平均所得較去年成長3％，為什麼我的薪水一點都沒漲？ 　　˙去年的薪資中位數為每月4萬元，平均數為每月5萬元，兩個數字為什麼不一樣？ 　　˙內閣支持率過半？每家電視臺的調查結果都不一樣，這中間有人動了手腳嗎？ 　　有了統計學基礎，就再也不會被數字或謊言迷惑，你將具備以下能力： 　　

˙掌握獲利關鍵情報，正確預測未來發展。 　　˙正確閱讀新聞訊息，精準辨識箇中真偽。 　　˙工作不再誤判數據，看穿圖表說謊真相。 　　★掌握統計工具，上班就像挖寶，越做越有錢途！ 　　中位數、標準差、信賴水準、迴歸分析、貝氏定理、相關係數…… 　　別被一堆專有名詞嚇跑，搞懂定義與用途即可，剩下的計算都可以交給EXCEL處理！ 　　˙主管給我一堆資料，要我計算平均數和標準差。平均數我略懂，但標準差是什麼？ 　　資料的差值平方和，經處理過後便是標準差， 　　算出標準差才能知道資料的分布狀況，判斷風險所在，正確避險並買進。 　　→在EXCEL輸入=STDEV(　)，便能求出。 　　˙上頭要我透

過部門的廣告費用資料，預估商品未來銷售量，我完全沒經驗啊…… 　　沒經驗就要靠工具！迴歸分析可以幫助你建立模型，正確預估未來的數值。 　　→在EXCEL輸入=INTERCEPT(　)，就能輕鬆計算。 　　˙增加廣告預算、聘用更多銷售人員，哪個做法更能提升銷售額？還是兩個都試？ 　　公司沒這麼多資源讓你多方試錯！這時使用相關係數就好。 　　→在EXCEL輸入=CORREL(　)，數值越接近1，表示兩者的關聯性越強。 　　學會EXCEL統計學，你將正確掌握賺錢情報，搶占先機！ 　　上班工作快又有效率，下班投資無往不利！ 本書特色 　　►用最基本的統計學概念教你看懂致富情報，各式計算EXCE

L一鍵結果就出來。 　　►大量圖解、豐富案例，以最有效率、最簡單的方式快速看懂，從沒修過統計也不怕。 　　►超值收錄EXCEL實作練習，工作會用到的函數全都有，今天學，明天上班立刻能用！ 專業推薦 　　數感實驗室共同創辦人／臺師大電機系副教授 賴以威 　　《我在微軟學到的模組簡報技術》作者／為你而讀執行長 蘇書平  

在COVID-19疫情下影響台灣民眾搭機意願相關因素之研究

為了解決Big Data 巨 量 資料分析的問題，作者林華瑀 這樣論述：

2020年是世界難忘的一年，自從2019年12月起中國湖北武漢市發現不明原因的肺炎群聚，而後公布其病原體為新型冠狀病毒，短短幾個月時間新型冠狀病毒肺炎(COVID-19)便以驚人的速度在全球不斷的擴散衝擊多國，人們的生活型態受到劇烈改變，許多行業也造成巨大衝擊，尤其是全球航空業更是一瞬間被帶入史無前例的嚴峻情況。即使經歷了快兩年的時間，新冠病毒疫情仍就是一種現在進行式，其所帶來的影響持續進行中，因此引發研究動機。本研究將以台灣民眾為研究對象，探討對COVID-19疫情的知覺、搭機知覺風險、COVID-19的情境因素及COVID-19疫情下的搭機動機對搭機意願的影響，透過網路問卷搜集方式獲得有

效問卷225份，並採用結構方程式模型(SEM)進行後續的深入探討和分析，作為本研究假設之驗證。本研究結果顯示:一、對COVID-19疫情的知覺與搭機意願之間的影響並無顯著相關。 二、搭機知覺風險與搭機意願具有顯著負相關。三、COVID-19的情境因素與搭機意願具之間的影響並無顯著相關。四、COVID-19疫情下的搭機動機與搭機意願具有顯著正相關。本研究針對在COVID-19疫情下影響台灣民眾搭機意願相關因素分析結果，做為航空客運業者在後疫情時代及未來在面對類似事件時營運銷售策略擬定的參考依據。