資料結構與演算法台大的問題，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

【從賽局思考到趨勢預測，全方位實戰課套書】(勝算：賭的科學與決策智慧+傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長)

為了解決資料結構與演算法台大的問題，作者AdamKucharski 這樣論述：

《數學大觀念》作者亞瑟‧班傑明與 《數學教你不犯錯》作者喬丹・艾倫伯格，專業力挺！ 　　▎《勝算：賭的科學與決策智慧》 　　從「賽局理論」約翰・馮紐曼到《他是賭神，更是股神》愛德華．索普， 　　博奕的魔力吸引了古往今來各領域的頂尖腦袋， 　　他們的研究成果，對於理解運氣和決策有何啟發？ 　　又點出我們解讀事物的哪些常見盲點？ 　　長久以來，各領域的頂尖頭腦都深受博奕吸引，他們不斷挑戰預測的極限，探究秩序與混沌的界限，以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧，都因「賭」而拓展了探索的疆界。 　　我們常用「運氣」和「技巧」截然劃分事情的成

因，問題是兩者的界線沒有那麼分明。了解賭的科學，你將學會洞察普遍存在的判斷盲點，更睿智地權衡風險與報酬，從而做出優質決策，控制運氣的影響。 　　●懂博奕，你會更洞察盲點 　　○輪盤贏錢策略的演進，反映出機率科學近一世紀來的發展…… 　　○賭場改用多達六副牌擾亂算牌客，為何效果適得其反？ 　　○研究放射性衰變與大腦神經元活動的「卜瓦松過程」與足球比賽何干？ 　　○為何有些投注公司反其道而行，樂於吸引精明賭客來投注？ 　　○投注業者改變賠率不是為了符合結果的真實機率，那是為啥？ 　　●懂博奕，你會更了解投資 　　○為何股票市場「大變化後面往往還會出現大變化」，反之亦然？ 　　○交易機器人崛起後

，金融市場的哪些現象你尤其該審慎解讀？ 　　○教人拿捏投資資金比例的「凱利準則」，用於賽馬時有何弱點？ 　　○購買不同產業多家公司的股票，投資組合多樣性為何仍然不夠？ 　　○投資領域的「基本分析法」，要注意什麼盲點？ 　　○購買擔保債券憑證時，要避免什麼錯誤假設？ 　　●懂博奕，你會更善於決策 　　○機會賽局中常見的「馬可夫鏈」，如何有助於尋找隱含資訊？ 　　○撲克牌是許多生活實際狀況的完美縮影，因為它試圖處理缺漏的資訊。 　　○賽局未達到最佳結果時，參與者的決定不會趨向平衡，而會大幅震盪。 　　○參與者易失誤或得在賽局中學習時，賽局理論不是找出最佳策略的好方法…… 　　●懂博奕，你會更過

好人生 　　○為什麼選擇最簡單的解釋，往往反而明智？ 　　○為何最快的解決方法，有時像在走回頭路？ 　　○人性偏誤會導致我們誤判賽事的哪些方面？ 　　○優秀的機器人程式不能只有蠻力，還要懂心理學才行。 　　▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 　　最符合現今時局需求的著作，讀者異口同聲：「好看到讓你想『傳』給別人」！ 　　一種致命病毒蟄伏多年，於人群中突然其來地爆發。一場政治運動迅雷不急掩耳地展開，隨後快速銷聲匿跡。金融體系網絡中藏著「超級傳播者」，致使乍見小小的危機擴及為全球市場崩盤。一個想法如野火燎原般傳播開來，自此改變世界的樣貌…… 　　說到「傳染力」，我們往往聯

想到疾病傳播，然而本書並非僅僅探討疾病擴散的生物學，更是一本談趨勢變化軌跡的著作。數學家亞當・庫查司基長年從事流行病學研究，他擅長從統計、模型、演算法、因果論乃至大數據等角度著手，探究疾病於何時發源於何處、散播開來的熱點又是什麼（哪個人或事件、地點），從而預測事態的後續發展，並且建議妥適的因應之道。 　　由於流行病學探究傳染力所得的成果，已廣泛應用至諸多領域，因此本書內容雖以疾病傳播起頭，以疫情控制做結，然而書中頭尾之間的篇幅，則切入相當廣泛的領域，像是： 　　●金融界普遍相信分散投資能降低風險，然而已有多項研究發現，隨著「金融傳染途徑」形成，分散投資可能會破壞大型金融網絡的穩定性。 　

　●從健康、生活風格，一路到政治觀點等，我們與熟人往往具備共同特徵，科學家如何釐清這是基於同質性或共有環境？還是社會傳染所致？ 　　●從疾病流行到恐怖主義與暴力犯罪，科學家發展出預測模型，除了能協助機構擬定防治對策並妥善分配資源，亦可說服民眾配合甚至協力。 　　●網際網路創造了新形態的互動，本書探究網紅崛起、情緒感染與輿情操縱等現象，也探討網路如何成為我們研究事物傳播方式的新方法。 　　●惡意軟體鑽漏洞潛入私人電腦、駭客藉電腦系統控制科技設備，乃至程式碼共享難溯源等情形，一旦出現「疫情」可能會怎麼樣發展？ 　　……舉凡網紅現象、政治風向、創新傳播、金融趨勢、罪案偵察，乃至暴力事件等等，

作者皆以引人入勝的故事解讀各類型「擴散現象」從出現、發展到消亡的種種線索。現今的世界比以往更加環環相扣，許多現象牽一髮動全身，「傳染力法則」能夠解釋這些具備傳播特質的事物之更迭，想要解讀眾多現象與趨勢，擬出因應之道，你不能不知道！ 各界推薦 　　▎《勝算：賭的科學與決策智慧》 　　●庫查斯基以風趣的寫作，介紹必勝投注法的歷史和最新進展，讓我們了解數學和電腦如何成為強大的博奕、運動比賽、虛張聲勢和投資的輔助工具。——《數學大觀念》作者亞瑟‧班傑明 　　●這本書闡述博奕、科學與數學間的交互作用，寫得趣味橫生……記敘輕鬆連貫，而且將背後的原理寫得淺顯易懂。——英國《展望》雜誌 　　●賭客和數

學迷都會喜歡本書探討真實世界問題的切入角度。——《柯克斯書評》 　　●作者將博奕如何影響科學、科學又如何影響博奕的故事，寫得相當成功。本書淺顯易讀，但同時具備深厚的學術底蘊。——牛津大學教授J・杜恩‧法馬 　　●這本書用許許多多的故事，敘述這些鬼才如何運用數學、統計學和科學嘗試超越機率。讀過這本書後，我開始有那麼點想賭兩把了。——劍橋大學教授大衛‧史匹格赫爾特 　　▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 　　►自古至今，從聖經中的瘟疫，到當前攻占新聞頭條的新冠病毒：疾病、想法、情緒……萬事萬物都能傳播。《傳染力法則》以迷人、細膩的敘事，探索「傳染」這一門學問。讀了之後，保

證你會想「傳」給你的朋友。──《數學教你不犯錯》作者喬丹・艾倫伯格（Jordan Ellenberg） 　　►本書充分展現科普魅力：筆法趣味橫生、清楚明確；主題引人入勝、緊扣脈絡。作者亞當・庫查司基為傳染病學家，涉獵心理學、醫學、網路理論以及數學，以精采權威的論據，帶領讀者從人的想法、網路迷因梗圖、暴力事件與致命病毒，了解事物傳播的潛藏法則。本書也為自身主題下了很好的註腳——內容深具感染力，所以你看完後會想要別人也讀一下。──《數字奇航》作者艾利克斯‧貝洛斯（Alex Bellos） 　　►例證豐富，以務實角度切入，說明如何以數學幫助了解傳染，進而以更好的方式應對千變萬化的傳染形式。作者處

理議題廣泛，既談疾病大流行，亦論槍枝暴力、金融危機與不實訊息。他啟發所有讀者以數學家的方式思考問題。想了解疫病和其他具擴散性質的危機，本書不容錯過。──倫敦衛生與熱帶醫學學院院長彼得‧皮奥特（Peter Piot） 　　►以數學角度切入，精采探討有些事物何以會快速傳播，而且談的可不只是病毒。作者以旁徵博引的筆法啟迪讀者。舉例來說，他帶領讀者了解公衛模型於疾病傳播上的應用，檢視都市槍枝暴力的人際關係網絡，並使用演算法來解釋「年齡、幫派關係、逮捕紀錄」等項目……本書切合時勢、極為易讀。──《柯克斯書評》 讀者評語 　　如果想多了解「傳染」擴散背後的數學邏輯，這真的是一本好書。這本書不只探討流

行病學，也以更寬廣的格局談論股市、社群媒體……等，探討有些事物能快速「瘋傳」，有些卻欲振乏力，背後機制為何？作者是數學家，所以這本書不是生物學著作，但也非數學專書。這本書最精采的地方，在於呈現各統計模型中有多少未知因子，以及該如何建立穩固可靠的模型。作者在疾病管控領域具備專業經歷，這也增加了論點的說服力。整體而言，讀起來讓人大呼過癮。  

資料結構與演算法台大進入發燒排行的影片

應用人工智慧於中風患者罹患慢性腎病之風險評估研究

為了解決資料結構與演算法台大的問題，作者陳威霖 這樣論述：

隨著科技的進步帶動醫療水準提升，台灣社會人口結構呈現高齡化，高齡人口之眾多死亡原因當中，除慢性病為主要風險因子之一以外;各項疾病中，中風以及慢性腎病這兩項疾病對高齡長者健康影響尤為嚴重; 而中風與慢性腎病的盛行也將對未來台灣醫療體系構成一大隱憂;因此中風與慢性腎病的提前預防與積極治療是目前流行病學研究需審視的一項重大公衛課題。過往雖有研究著墨於中風以及慢性腎病之併發因果關係，卻鮮少有研究運用機器學習方法來建構預測與評估模型。因此，本研究欲嘗試填補這一研究缺口。 以國內某醫療機構資料庫為本研究數據，篩選出罹患中風之病患，以粒子群演算法、基因邏輯斯迴歸演算法、交叉熵演算法、分別計算

出各疾病風險因子的權重值，演算法求得之權重值將個別結合倒傳遞類神經 網路與支援向量機建構風險預測模型;個別結合案例式推理技術建構風險評估系統，並設計疾病評估介面，方便使用者進行併發症的風險評估。提出之模型將預測或評估中風病患是否在未來有伴隨慢性腎病的風險。 各預測模型經 K 疊交互驗證結合網格搜索法進行參數調校後，模型效能皆有83%以上的分類準確度，ROC 曲線下面積皆為0.86以上。經傅立曼檢定發現，預測模型之間在分類準確度與ROC曲線下面積，兩效能衡量指標下，皆存在顯著效能差異，因此各模型進一步使用成對樣本T檢定預測模型之個別優劣性。檢定結果發現，在ROC曲線下面積衡量基礎下，以交叉

熵結合倒傳遞類神經網路最為優異，ROC曲線下面積達0.9514;在分類準確度衡量基礎下，交叉熵個別結合倒傳遞類神經網路與支援向量機之模型表現同等優異，皆有約92.5%的準確度。評估系統經K疊交互驗證評估其效能，各模型皆有90%以上分類準確度，ROC曲線下面積皆有0.9以上。經傅立曼檢定發現，評估系統在導入上述三類演算法權重值下，在分類準確度與ROC曲線下面積，兩效能衡量指標下，皆不存在顯著效能差異;因此，皆適合作為評估系統之權重運算，本研究可提供相關醫療機構做為預測評估之參考依據。

為演算法服務的免洗人力：平台資本主義時代的勞動與剝削

為了解決資料結構與演算法台大的問題，作者PhilJones 這樣論述：

演算法為人類的需求服務， 但它的運作卻建立在將人類視為免洗人力的剝削。   覺得Google、臉書變得越來越聰明，不僅馬上就能找到正確資訊、掌握即時動態，還會判別釣魚網站、過濾不舒服的內容？ 事實是，演算法裡頭藏了真人：要有人教導機器學習，它才能變得「聰明」。 正如亞瑪遜的貝佐斯所言，人工智慧，其實是「人工的人工智慧」。   人工智慧帶來人機混合的新工作模式。由自駕車、無人商店、語音客服開啟的趨勢，已經蔓延至翻譯、會計、金融、管理、醫療等更專業的領域。平台資本主義拆解原本的專職工作，將機器無法處理的部分，化成零散的微工作，拋給人力群包平台的接案者。 巨型平台規避傳統勞資關係，減少專

業人力成本。在平台接案的微工作者沒有權益保障，也沒有固定薪水，甚至連為哪家公司工作、工作的目的是什麼都不清楚，成為案主呼之即來、揮之即去的免洗人力。 群包平台大灌「自由接案」的迷湯，但其實就是微工作者必須自行承擔所有風險。你不知道何時可以接到下一件案子，報酬會有多少，你成為工資的狩獵採集者，為的只是要一圓科技大亨移民火星的狂想。 在全自動機器人與智慧助理的喧鬧之下，瓊斯清晰而仔細地揭露使得我們的數位社會得以成真的工作者究竟身在何方。對於這個通常看不到的低薪、超時工作且毫無保障的世界，本書為必讀導覽。 ——斯尼切克（Nick Srnicek），《平台資本主義》（Platform Capita

lism）作者   讓瓊斯為你導覽數位化資本主義最醜惡的陰暗面。在此，科技巨頭監控工作者的一舉一動，把他們的鍵盤敲擊與滑鼠點選聲轉化為獲利，而在我們持續加班的同時，「工作」本身卻是分崩離析。為了在慘澹的未來降臨到每個人身上之前預先阻止它，瓊斯寫下了這篇優美的戰鬥宣言。 ——賈非（Sarah Jaffe），《工作不會回報你的愛：對工作的奉獻，如何剝削我們、耗盡我們的心神，並使我們孤獨》（Work Won’t Love You Back: How Devotion to Our Jobs Keeps Us Exploited, Exhausted, and Alone）作者   在這本節奏明快的精

彩著作中，瓊斯探討了數位經濟工作者的隱身之地。在此，全世界的過剩勞工為了不到兩美元的時薪標注影像、管理網站內容與教導運算法辨識寵物。《為演算法服務的免洗人力》同時也探究一種新的可能性：一無所有的微工作者該如何團結，帶領要求自由空閒與物質保障的全球運動。 ——貝納納夫（Aaron Benanav），《自動化與工作的未來》（Automation and the Future of Work）作者   帶領讀者前往不為人知的人工智慧生產之地：在後危機的資本主義中，越來越多貧民窟、監獄與難民營中的人們受到高度剝削，靠著不穩定的微工作勉強餬口。瓊斯強調危機迫在眉睫，這種零散化的微工作會威脅所有人的生計，

但他也指出，微工作也可能帶領我們走向一個超越薪資勞動的世界——只要我們勇於爭取。 ——穆勒（Gavin Mueller），《砸毀工作機器》（Breaking Things at Work）作者   瓊斯可謂後加速主義的帶領者。 ——佛斯特（John Foster），「戰場」新聞論壇（Battleground）   令人震驚……在讀過這本書後，你無法再用和以前相同的方式看待電腦，或是那些吹捧電腦乃是我們集體救贖之道的人們。 ——布斯尼克（Katjo Buissink），《馬克思與哲學書評》（Marx and Philosophy Review of Books）

以資料探勘技術探討企業社會責任、公司內部控制對公司績效盈餘之影響

為了解決資料結構與演算法台大的問題，作者王昱程 這樣論述：

最近這幾年來，大數據似乎已經成為了國際間的潮流與趨勢，在這之中有許多大型的資料庫所做出之分析及應用，漸漸引起大家的重視，許多有關資料探勘的技術，逐一的出現，並應用於每個不同的領域上，本次研究使用了與以往迴歸分析所不相同的資料探勘技術，使用了其中的決策樹分析以及類神經網路分析，一起探討有關企業社會責任、公司內部控制制度對財務績效盈餘的關係程度，從過去亞洲金融風暴發生的原因，因為公司內部控制制度所發揮的作用不大因而造成的，由於許多公司企業沒有相關內部控制制度方面的了解，一直到今天為止，企業內部控制制度一直是管理公司內部以及股東權益很重要的制度，並且以強化企業的永續經營及提升公司的績效價值做為目標

，引領企業向前進。在公司內部控制系統的評分上，利用了公司評鑑的標準來評分，分成 A+到 C-總共 9 個級距，在評鑑指標分數裡，其中的一項數據則是是否有落實到企業社會責任，在編制CSR 的報告書時，對評鑑上的分數有加分的效果，但許多的企業在發佈 CSR 報告書時，並未有找尋相關架構的編製，或者尋求相關專業的機構來進行認證行為，CSR 報告書所揭露的品質，值得深入進行探討，因此在企業社會責任方面使用的是 CSR 報告書評分結果來作為代理變數。本次的研究是以 2020 年我國上市上櫃公司作為研究的樣本，並採用資料探勘中之決策樹與類神經網路這兩種演算法。根據決策樹探勘的結果，得到 CSR 報告書表現

較好的公司，績效盈餘也較好；CSR 報告書表現較差的公司，績效盈餘也較差。在透過類神經網路的分析，則能透過相關數值，例如 KAPPA 值、TP 值…等的數值，可以證明一開始所設立的假說是合理的。