安裝未知應用程式的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

NFT投資聖經：全面即懂的終極實戰攻略，從交易、發行到獲利，掌握市值破千億的元宇宙經濟商機

為了解決安裝未知應用程式的問題，作者TianaLaurence 這樣論述：

進入NFT世界的必備指南！ 從交易、發行到獲利， 透過STEP BY STEP教學 都在這本書裡！ ???? NFT到底紅什麼！？ 各領域專家、明星藝人、商業龍頭，甚至博物館都在玩！ 不只是藝術品和遊戲商品， 連素人自拍、鹹酥雞都可以是NFT⋯⋯ 它們交易金額簡直高得嚇人！！ ✦ 史上首個NFT數位畫作：Beeple的《每一天：最初的5000天》以69,346,250美元成交 ✦ 目前史上最貴NFT：Pak的《Merge》在2021年12月初以91,806,519美元售出 ✦ 周杰倫潮牌推出的PhantaBear總交易量突破104,545,041美元 ✦ 印尼學生自拍系列「Ghozali

Everyday」總交易量達約1,238,241美元 ✦ 師園鹽酥雞NFT從約1美元的發行價格，第一天的交易量就超過發行價格的100倍 更別說Twitter、NBA、LINE、HTC、故宮也跟上NFT風潮…⋯ ???? NFT到底是什麼！？ 非同質化代幣（non fungible token, NFT）是一個重大的經濟發明， 讓有創意的人不論身在何處，都能在創作並分享作品的同時還可以收取費用。 這種型態的交易出現的契機，部分原因是經濟受到2020年新冠肺炎病毒全球流行的影響， 2022年的市值更是突破百億美元！ ???? 但是！加密貨幣、非同質化代幣，傻傻分不清！？ 加密貨幣分很多種，最

知名的包括比特幣（Bitcoin, BTC）、以太幣（Ether, ETH）等， 你可以把它想成我們常用的新台幣、美元、日幣⋯⋯ 在技術層面上，它們與NFT唯一相似之處，就是都存放於區塊鏈上的數位紀錄。 區塊鏈上的任兩枚加密貨幣都是相同的，你可以將一枚比特幣與另一枚交換但其市值依然不變， 但每一個NFT都有其獨特價值，雖然可交易但並非僅僅互換那麼簡單。 ???? 所以⋯⋯NFT可以用來幹嘛呢！？ ✦ 當然是賺錢啦！ 前述的NFT作品看似普通，總交易量和成交價卻是以令人卻步的天價，成長時間和幅度也極其快速。 NFT熱起來還不到兩年，許多應用還只是冰山的一角，未來的發展不可限量，現在不入場還等什

麼時候呢！ ✦ 全新的投資、交易、創作模式 NFT集結了區塊鏈技術、智能合約與收藏品的概念，這充滿吸引力及潛在吸金力的新型數位資產，勢必顛覆我們買賣、追蹤名下財產的方式！ 如今，藝術創作者以及收藏家已經享受到這項新科技帶來的成果，未來這種交易方式將會成為常態。 ✦ 展現社交地位 買家重視NFT的原因有很多，對某些投資人來說，NFT是一種藝術的形式；對其他人來說，購買NFT可能是對他們的社交圈展現權力與參與度的信號。 所謂社交訊號（social signaling）是你屬於某個群體且因為持有特定物品而擁有崇高地位的概念。 ???? 為什麼你需要這本書？ 因為NFT代表了對藝術家、創作者與收

藏家有利的權力轉移， 了解最受追捧的NFT以及他們背後的創作歷程與理念是非常有幫助的！ 本書將協助你更深入地認識這席捲全球的NFT現象， 以及從這個新浪潮中獲益最多的人， 你同時也可以更了解究竟是誰迫不及待願意出高價收藏這種新型藝術。 Q：新手入場前應該先準備什麼？ A：你需要設定NFT錢包與交易所，讓你可以購買進而創造與賣出你的第一個NFT。 你可以透過容易上手、可愛的NFT遊戲《謎戀貓》，深入了解NFT是如何創造與交易的！ ➤請前往本書第2章 Q：NFT可以怎麼玩╱投資？ A：基本配備都準備好了之後，可以更深入探索NFT的世界了，在數個最受歡迎的平台上購買、創建與出售NFT。 就如使用

悠遊卡一樣，使用前需要事先儲值，本書會教你如何幫錢包注入資金，以及淺談3個讓你買賣甚至創建NFT的平台——OpenSea、Nifty Gateway和Rarible和其他7個常用NFT市集。 本書還涵蓋NFT投資的嶄新世界，你可以研究各式投資策略，包含物色NFT種類，同時介紹各項投資的相關規定與主管機關。 ➤請前往本書第4、5、12章 Q：NFT裡的錢包會不會被別人偷走？ A：當然會有一定的風險，畢竟是線上錢包，安全性註定比不上硬體錢包或實體錢包。 本書除了教你如何設定你的新錢包以及匯入資金，也會提供防止遭竊的一些TIPS。 ➤請前往本書第4章 Q：你的NFT值多少？ A：你可以用很多方式

決定一個NFT的價值，普遍的共識是任何資產的價值都建立在品牌、稀缺性或市場上。 NFT只是一個位於區塊鏈上證明所有權與出處歷程的紀錄，而且通常不會包含數位內容本身。 收藏品的價值與稀缺性相關，數位創作品的收藏變得相當具有挑戰性。 藉由讓藝術家發行限量版本，或甚至為原作創建代幣並把所有權賣給收藏者來修正這個問題。 這些NFT代表著資產的價值，換句話說，它們代表買家為了該資產所願意支付的金額。  ➤請前往本書第5章 Q：我也想販賣我自己做的NFT，可以怎麼做？ A：你需要先了解孕育了無數同質化與非同質化代幣的平台——以太坊，有助你更加了解NFT的基本特性，以及NFT如何與整個以太坊互動。 接著依

照我們的STEP BY STEP教學，在以太坊平台上鑄造你自己的代幣。 ➤請前往本書第6~11章 還有更多問題？ 趕快買一本看看吧！ ☆本書特色☆ ✓ 你不必讀完整本書，可以只針對想知道的部分看！ 你可以根據你較感興趣的主題如交易、挖幣或NFT的創意用法來開啟專屬於你的旅程。 你不必為了了解特定主題去讀完整本書， 如果有特定部分或章節接續著前面章節所提到的知識，我們會適時註明並引導你。 你想知道、需要知道的，都在這本書裡！ ✓ 本書將使用下列的圖示來提醒和標示重點： ???? 小撇步 TIP 「小撇步」提示捷徑或不會毀掉整個系統（到後面你就知道了）的簡易改編。 ???? 筆記 REMEM

BER 「筆記」標示特別重要，或是有助於避免後續觀念混淆的資訊。 ???? 科技宅專區 TECHNICAL STUFF 「科技宅專區」提醒你這裡較偏技術層面，為即使忽略也不影響大觀念理解的資訊。若你是3C白痴請迴避，科技狂則可以繼續往下看。 ⚠️ 注意 WARNING 「注意」表示看過來！這些重要資訊攸關你的時間、腦力、代幣，甚至友誼！

OpenCV影像創意邁向AI視覺王者歸來(全彩印刷)

為了解決安裝未知應用程式的問題，作者洪錦魁 這樣論述：

★★★★★ 國內作者【第一本】×【全彩印刷】×【AI視覺】書籍 ★★★★★ ★★★★★ 完整解說【影像創意】×【AI視覺】的實例 ★★★★★ ★★★★★【31個主題】＋【423個Python實例】★★★★★ 　　筆者在撰寫這本書除了採用當下最熱門的Python程式語言，同時採用2步驟說明： 　　◤函數數學原理解說◢ 　　◤套用OpenCV函數講解影像創意與AI視覺的實例◢ 　　當讀者遵循這些步驟學習時，相信所設計的物件就是一個帶有靈魂與智慧的程式碼了。這本書從影像原理開始說起，逐一解說從影像到AI視覺所需的完整知識，本書的主題內容如下： 　　☆ 完整解說操作OpenCV需要的Numpy

知識 　　★ 影像讀取、輸出與儲存 　　☆ 認識色彩空間、BGR、RGB、HSV 　　★ 建立藝術畫作 　　☆ 建立靜態與動態影像，打破OpenCV限制建立中文字輸出函數 　　★ 影像計算與影像的位元運算 　　☆ 重複曝光技術 　　★ 影像加密與解密 　　☆ 閾值處理 　　★ 數位情報員、深藏在影像的情報秘密 　　☆ 數位浮水印、版權所有翻譯必究 　　★ 影像幾何變換、翻轉、仿射、透視、重映射 　　☆ 影像遮罩與影像濾波器 　　★ 認識卷積 　　☆ 認識與刪除影像雜質 　　★ 數學形態學、腐蝕、膨脹、開運算、閉運算、禮帽運算、黑帽運算 　　☆ 從影像梯度到內部圖形的邊緣偵測 　　★ 影像金字塔

　　☆ 影像輪廓特徵與匹配 　　★ 輪廓的擬合、凸包與幾何測試 　　☆ 醫學應用器官影像的徵兆 　　★ 霍夫變換(Hough Transform)與直線檢測 　　☆ 無人車駕駛車道檢測技術 　　★ 直方圖、增強影像對比度、修復太曝或太黑影像、去霧處理 　　☆ 模板匹配、找尋距離最近的機場、找尋某區域高山數量 　　★ 傅立葉變換的方法與意義、空間域與頻率域的切換，進行影像處理 　　☆ 分水嶺演算法執行影像分割 　　★ 前景影像擷取 　　☆ 影像修復—搶救蒙娜麗莎的微笑 　　★ 辨識手寫數字 　　☆ OpenCV的攝影功能、活用拍照與錄影 　　★ 應用OpenCV內建的哈爾(Haar)特徵階層式

分配器 　　☆ 偵測人臉、身體、眼睛、貓臉、俄羅斯車牌 　　★ 設計自己的哈爾偵測分配器，應用在偵測台灣汽車車牌 　　☆ 人臉辨識原理與應用 　　★ 執行車牌辨識     

運用人工智慧辨識IC及異常數據分析預測

為了解決安裝未知應用程式的問題，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。