ai的應用的問題，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

資訊管理：智慧化企業的核心競爭能力（八版）

為了解決ai的應用的問題，作者林東清 這樣論述：

　　全新改版的資訊管理，綜觀最新資訊，解析未來科技發展趨勢，將「e化企業」的核心競爭能力改成「智慧化企業」的核心競爭能力，將帶領讀者建構高度完整的知識管理體系。本版包含三大主要特色：   　　1.強調智慧型科技與企業   　　第3章：講述AI的基本理念與各種學習理論，並就深度學習的特色與模式對人類工作及能力的影響，做了更新穎與深入的分析。   　　第5章：介紹蓬勃發展的許多AI型的產業，包括智慧型交通、智慧型醫療、智慧型金融、智慧型農漁牧業及智慧型商業等。   　　第12章：引介AI如何支援企業的經營模式，包括AI對企業的行銷、銷售、客服、生產、人力資源、行政管理等各個流程的支援。   　

　2.追蹤各種新科技趨勢   　　介紹許多正在萌芽的新科技趨勢，包括元宇宙(Metaverse)、非同質化代幣(NFT)、AR/VR/MR（混合式實境）、線上線下虛實整合(Online Merge Offline, OMO)、Web 3.0、訂閱經濟、虛擬世界的電子商務，Gartner的10大科技趨勢，以及許多2022年後的新的科技行銷及數位轉型策略等。   　　3. MIS本質觀念的再強調   　　將MIS之所以稱為MIS的根本理念、基本的定義架構、應有的角色認知以及與資工的主要不同之處，「重新」放回第1章，「開宗明義」地加以清楚介紹。   　　一些核心基本的MIS使用者理論，包括科技接受模

式(TAM)、計畫行為理論(TPB)及使用者抗拒理論等，「思考再三」後也重新回歸本書的懷抱。   　　由「系統開發」、「人員變革管理」及「專案管理」三個角度共同來分析系統引進的關鍵成功因素，也重新出現在第13章。   　　第5章也加入IT/AI對企業經營模式(Business Model)九個關鍵活動（所謂九宮格模式）的支援，可由此充分瞭解IT在企業經營策略上的重要性。

ai的應用進入發燒排行的影片

汽車維修的零件更換時機之探討

為了解決ai的應用的問題，作者顏郁宸 這樣論述：

車子是人類文明裡的代步工具，但是俗話說的好買車容易養車難，養車可分為：固定開銷和非固定開銷，這是為了生命安全和延續車子的壽命所以必須進行的一項開銷，由此推論維修保養項目是大多數保養車廠的主要營收來源，甚至Tesla Automobile公司馬斯克曾經大酸傳統車廠：車廠只能從售後維修來賺錢，把賣車當成在賣刮鬍刀的經營模式！從過去許多有關汽車的相關論文，大都討論的是汽車性能提升，及銷售模式，但就是沒看到有人做車子維修保養這一領域的研究，或許一些部落客有探討到購車成本(Cost of Ownership, COO)。 從研究中得知消費者，有54.58%對於維修保養的必要性是非常需要的

、有98.75%對於維修保養的知識認知是不清楚的、有95.83%的人需要說明零件的用途與更換原因，車主無論在保固期內或過保固期後，回原廠的主要原因為完整的保養項目、零件更換有保固、技術人員技術較可靠，而在保固期內或過保固期後都去一般保養廠的主要原因是有信任的技師，問卷的結果也顯示了車廠的行銷方法與消費者的認知有巨大的差異。為了達到精準行銷(客製化)，本研究深入探討車主為什麼過了保固期後不回原廠保養的消費者行為，並且利用多元統計分析的實驗計畫法(D.O.E)來計算出最佳維修保養的主要影響因子(main factors)，進而藉由人工智慧的演算法思維(AI)來解決這項問題，本篇以此為基礎想出了一項

解決方法的思維模型，讓車主更加願意回到車廠做維修保養。

開發者傳授PyTorch秘笈

為了解決ai的應用的問題，作者陳昭明 這樣論述：

～ 2022 開發者唯一指定 PyTorch 祕笈！～ 深度學習【必備數學與統計原理】✕【圖表說明】✕【PyTorch 實際應用】 　　★ 作者品質保證 ★ 　　經過眾多專家與學者試閱昭明老師著作皆給【5 顆星】滿分評價！ 　　～ 從基礎理解到 PyTorch 獨立開發，一氣呵成 ～ 　　本書專為 AI 開發者奠定扎實基礎，從數學統計 ► 自動微分 ► 梯度下降 ► 神經層，由淺入深介紹深度學習的原理，並透過大量 PyTorch 框架應用實作各種演算法： 　　● CNN (卷積神經網路) 　　● YOLO (物件偵測) 　　● GAN (生成對抗網路) 　　● DeepFake (深

度偽造) 　　● OCR (光學文字辨識) 　　● ANPR (車牌辨識) 　　● ASR (自動語音辨識) 　　● BERT / Transformer 　　● 臉部辨識 　　● Knowledge Graph (知識圖譜) 　　● NLP (自然語言處理) 　　● ChatBot 　　● RL (強化學習) 　　● XAI (可解釋的 AI) 本書特色 　　入門深度學習、實作各種演算法最佳教材！ 　　★以【統計／數學】為出發點，介紹深度學習必備的數理基礎 　　★以【程式設計取代定理證明】，讓離開校園已久的在職者不會看到一堆數學符號就心生恐懼，縮短學習歷程，增進學習樂趣 　　★摒棄長篇大

論，輔以【大量圖表說明】介紹各種演算法 　　★【完整的範例程式】及【各種演算法的延伸應用】！直接可在實際場域應用。 　　★介紹日益普及的【演算法與相關套件】的使用 　　★介紹 PyTorch 最新版本功能 　　★與另一本姊妹作《深度學習–最佳入門邁向 AI 專題實戰》搭配，可同時學會 PyTorch 與 TensorFlow  

透鏡之自動化光學瑕疵檢測

為了解決ai的應用的問題，作者陳尚謙 這樣論述：

光學玻璃透鏡廣泛應用於各種類型的光學設備、高精密光學元件及高精密鏡頭產品，例如：車載鏡頭、監視器鏡頭、投影機鏡頭、數位相機鏡頭、相關工業用鏡頭、醫療用內視鏡片...等，因使用場域均屬於高科技產品，所以在產品出廠前均須要進行完整的瑕疵檢測，以確保良好的品質。目前業界出廠檢驗，仍依靠人工照射強光並以肉眼仔細檢查鏡片表面來進行外觀瑕疵的檢測。因為檢測過程均依靠人力，常會因疲勞而造成漏檢，且長時間在強光下檢測，也有眼睛受損的風險。而現今產業裡，自動化光學檢測(Automated Optical Inspection, AOI)和人工智慧(Artificial Intelligence, AI)的應用

也越來越普及化，許多科技業、傳統產業紛紛導入AOI或AI系統作為主要的產品檢測系統。因此本研究將光學透鏡作為研究之對象，設計一套AI玻璃透鏡檢測系統，使用用不同種類的相機進行拍攝比較，並且用YOLOv4(You Only Look Once)深度學習模型來進行瑕疵檢測，挑選出應用於玻璃透鏡瑕疵檢測效果最好之方法。最終結果，使用工業相機搭配高角度環光，並且使用YOLOv4作為主要深度學習網路來開發系統，同時此玻璃透鏡瑕疵的準確率達到80.7%，並設計一套使用者介面(User Interface, UI)，方便使用者更快速地查看光學透鏡上檢測到的瑕疵，使瑕疵資訊更明瞭，以利協助改善產線製程，提升自

動化產線效能。