data數據的問題，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

計算機視覺圖像與視頻數據標注

為了解決data數據的問題，作者曠視科技數據業務團隊 這樣論述：

隨著人工智慧和大數據技術的發展，數據標注行業也迎來了飛速發展，其中與電腦視覺相關的標注數據需求量大，受關注程度很高，因此需要大量的數據標注工程師從事數據標注的工作。曠視依託自己開發的Data++數據標注平臺，以圖文並茂的方式編寫了本書，目的是指導數據標注人員科學、正確地進行數據標注操作。   本書將會介紹人工智慧的發展概況、標注行業發展的前景、數據標注的理論知識及利用曠視Data++數據標注平臺進行數據標注的基本操作流程，講解計算機視覺中的數據標注工具，如通用標注工具、檢測標注工具、識別標注工具及其他標注工具。 本書適合演算法工程師、數據標注工程師、數據標注公司相關從業人員閱讀，也適合高等院

校電腦、人工智慧、大數據專業的師生學習，還可作為高職、中職院校和培訓學校的教材。 曠視Data++（曠視科技數據業務團隊）憑藉在AI領域的技術積累，在計算機視覺、自然語言處理、智慧語音及自動駕駛等領域，為客戶提供數據諮詢服務，數據生產、清洗、標注和業務數位化的整合解決方案。團隊自研的“曠視Data++數據服務平臺”，立足于數據服務全生命週期管理，旨在解決人工智慧行業發展過程中面臨的各種數據困境。通過管理、工具以及演算法等多種手段，在效率和品質上均可達到行業領先水準。 第1章　人工智慧的發展概況　1 1．1　人工智慧的誕生與初興　2 1．2　人工智慧的復興

與電腦視覺的初露端倪　4 1．3　數據被重視，人工智慧崛起　4 第2章 數據標注行業的國內現狀與未來展望　7 2．1　國內數據標注行業的現狀　8 2．2　數據標注工程師簡介　9 2．3　數據標注行業的發展前景　12 第3章 人工智慧治理　15 3．1　人工智慧的可持續發展　16 3．2　數據是AI治理的第一道防火牆　17 3．3　數據服務產業是AI治理落地的試驗田　17 3．3．1　數據來源的合法合規問題　18 3．3．2　技術的安全性　19 3．3．3　問責機制　20 3．4　曠視，AI發展與治理雙輪驅動　20 第4章　數據標注服務產品及曠視Data++數據標注平臺　23 4．1　數據

標注服務產品　24 4．2　數據服務標注平臺流程　26 4．2．1　創建項目　26 4．2．2　數據上傳　27 4．2．3　項目發佈　27 4．2．4　項目交付　28 4．3　曠視Data++資料標注平臺　28 4．3．1　用戶註冊　29 4．3．2　標注操作流程　31 第5章　通用標注工具　35 5．1　行人屬性篩選　36 5．1．1　行人屬性篩選定義　36 5．1．2　行人屬性篩選工具介紹　37 5．1．3　行人屬性篩選分類　39 5．1．4　標注注意事項　43 5．1．5　標注難點　46 5．1．6　實際中的應用　46 5．1．7　思考與討論　48 5．1．8　行人屬性篩選工具現狀及展

望　48 5．1．9　小結　50 5．2　屬性標注　50 5．2．1　屬性標注工具介紹　50 5．2．2　標注內容　52 5．2．3　標注方法　53 5．2．4　標注難點　54 5．2．5　生活中的應用　56 5．2．6　屬性標注在Objects365中的應用　57 5．2．7　小結　59 5．3　框+屬性　59 5．3．1　“框+屬性”工具介紹　60 5．3．2　標注方法　61 5．3．3　標注難點　64 5．3．4　生活中的應用　66 5．3．5　小實驗　67 5．3．6　小結　67 5．4　多邊形+屬性　68 5．4．1　多邊形+屬性工具介紹　68 5．4．2　標注標準　70 5．4．3

　標注難點　74 5．4．4　“多邊形+屬性”工具在生活中的應用　75 5．4．5　小結　76 第6章　檢測標注工具　79 6．1　人臉8點　80 6．1．1　人臉關鍵點檢測定義　80 6．1．2　人臉8點工具介紹　81 6．1．3　標注方法　83 6．1．4　標注難點　84 6．1．5　生活中的應用　90 6．1．6　小實驗　92 6．1．7　人臉8點工具現狀及展望　92 6．1．8　小結　93 6．2　人體骨骼點　94 6．2．1　人體骨骼點14點定義　94 6．2．2　人體骨骼點工具介紹　95 6．2．3　標注方法　97 6．2．4　標注難點　99 6．2．5　生活中的應用　101 6

．2．6　人體骨骼點工具現狀及未來展望　104 6．2．7　小結　104 6．3　手部關鍵點　105 6．3．1　手部關鍵點21點定義　105 6．3．2　手部關鍵點標注工具介紹　107 6．3．3　標注方法　108 6．3．4　標注難點　110 6．3．5　手部關鍵點標注提升方法　114 6．3．6　生活中的應用　115 6．3．7　手部關鍵點工具現狀及展望　117 6．3．8　小結　118 第7章　識別標注工具　121 7．1　一人所屬照片清洗　122 7．1．1　一人所屬照片清洗工具介紹　122 7．1．2　標注方法　124 7．1．3　標注難點　129 7．1．4　一人所屬照片清洗工

具在生活中的應用　131 7．1．5　照片清洗工具現狀　133 7．1．6　小實驗　134 7．1．7　小結　134 7．2　行人重識別　135 7．2．1　行人重識別合併標注工具介紹　135 7．2．2　標注方法　142 7．2．3　標注難點　147 7．2．4　生活中的應用　151 7．2．5　行人重識別技術現狀與發展　152 7．2．6　小結　152 第8章　其他標注工具　155 8．1　視頻人臉8點　156 8．1．1　視頻人臉8點工具介紹　157 8．1．2　標注方法　159 8．1．3　生活中的應用　161 8．1．4　視頻人臉8點工具的現狀與發展　164 8．1．5　小結　16

5 8．2　人臉3D朝向　165 8．2．1　人臉3D朝向工具　165 8．2．2　人臉3D朝向工具介紹　166 8．2．3　標注方法　167 8．2．4　標注難點　170 8．2．5　生活中的應用　170 8．2．6　人臉3D朝向工具現狀與展望　171 8．2．7　小結　172 8．3　精細分割　173 8．3．1　人像摳圖工具介紹　173 8．3．2　標注方法　176 8．3．3　標注難點　185 8．3．4　生活中的應用　186 8．3．5　精細分割標注工具的現狀與發展　187 8．3．6　小結　188 聲明　189

data數據進入發燒排行的影片

作天氣型態前處理之深度學習應用於太陽能發電量預測

為了解決data數據的問題，作者林宏源 這樣論述：

太陽能發電由於受天氣的影響並不穩定，因此太陽能發電量預測能夠盡早得知未來的短期發電量，並依據預測結果提前進行電力調度。本研究之目的為預測一小時後之短期太陽能發電量。訓練時，先將時間序列數據以及天氣變化數據分別輸入至長短期記憶模型(LSTM)端以及卷積神經網路(CNN)端，最後將兩端連結至深度神經網路(DNN)作訓練。為了提升預測結果的準確度，透過分析歷史數據中當下之天氣特徵與當下發電量的相關度決定的特徵，而當下之天氣特徵與其後時段發電量的相關度決定輸入的時步，其中，輸入特徵為「發電量、氣溫、相對溼度、日照時數、全天空日射量、紫外線指數、總雲量」。後續使用k-平均演算法將各時間段的天氣特徵分類

，作為CNN端的天氣標籤輸入，其後根據分類結果將輸入資料透過不同閥值進行分組，最後使用不同的模型進行訓練。研究結果顯示，使用LSTM-DNN模型並將資料分組訓練後與不分組LSTM-DNN模型相比可降低10 % RMSE值，LSTM-CNN-DNN模型將CNN結合LSTM層且將資料分組訓練後，結果顯示，其與不分組LSTM-DNN模型相比能降低12 % RMSE值。根據結果，證明本研究所提出方可以進一步降低預測誤差，希望本研究能有助於電力的調度。

數碼力大提升

為了解決data數據的問題，作者湛家揚 這樣論述：

數碼力即競爭力！ 你，可擁有未來10年職場必備的數碼力？ 　　曾協助培育GoGoVan、Klook等初創獨角獸、領導環球科技巨頭的湛家揚博士直言，未來10年的職場及企業生存能力，關鍵在數碼力！湛博士在本書深入淺出闡釋6項必修的數碼科技應用： 　　雲科技：雲科技令企業走向低成本高效益，教你如何選擇合適的公有雲、私有雲、混合雲。 　　大數據：數據是「新石油」，教你掌握企業內部及外部數據，更可將數據貨幣化，變為資產。 　　AI：掌握如何利用AI，推測每個目標客戶的行為喜好，及以機械人流程自動化（RPA）和聊天機械人（Chatbot）提高成本效益。 　　金融科技 & 區塊鏈：八大金融科技，如

何顛覆金融業？區塊鏈去中心化，將會如何消滅代理（如地產代理和貿易）及專業中介（如律師和會計）？教你應對即將發生的職場大轉陣。 　　XR：VR（虛擬實境）、AR（擴增實境）和MR（混合實境）玩法多多，如何讓顧客「沉浸」購物體驗，也讓學生或醫生「親歷其境」學習和行醫？ 　　5G & 物聯網：要實現無人駕駛、智能家居、智能城市，應該如何以5G、物聯網令到人與物、物與物無縫連接？ 　　湛博士更以多個實戰案例，讓你從創科獨角獸（Klook、WeLab、Stitch Fix 等）及傳統企業（IKEA、Walmart、Burger King 等）學師，明白創新點子如何落實執行，亦提出多個企管新思維如飛

輪效應、平台策略、Marketing 4.0，以及運用「數碼牽引力」測量數碼團隊的能力。 　　要深化學習創新科技方法眾多，湛博士先教你利用免費資源快速上手，更指導你應考獲哪種專業資格，以及如何投入創科圈、擴展人脈、接收最新最有用資訊，找到機遇。 　　預視未來巨變，提升自己數碼力，刻不容緩，由立即翻開這本書開始！   作者簡介 湛家揚博士（Dr. Toa Charm） 　　•    前任數碼港、IBM、Oracle、匯豐銀行及金蝶的高層 　　•    現任中文大學商學院副教授、OpenCertHub 主席及數家亞洲初創企業的首席顧問 　　•    榮獲城市大學頒發的2019 年「商學

院傑出校友獎」 　　•    澳門人才發展委員會委員   推薦序  工商界 黃紹基、巢國明、陳慶耀 推薦序  創科界 林家禮、車品覺、龍沛智、趙子翹 推薦序  教育及傳媒界 何順文、蘇朝暉、朱子昭 港澳台創科、工商及教育界人士推薦 自序 前言 顛覆還是被顛覆？ 第一章 3步提升基礎數碼力 1.1學STEM：邏輯和解難能力 1.2學寫Code：對新科技的判斷力 1.3學看Data：數據解讀與表達力 第二章 5個必修的數碼科技 2.1選擇適合你的「雲」 2.2 AI、大數據輔助決策 2.3 互聯網金融全貌 2.4分清VR、AR、MR 2.5 5G、物聯網、API爆發的數碼力

第三章 行業新趨勢  學創新點子 3.1零售：打造個人化體驗 3.2金融：交叉銷售創商機 3.3 代理中介：一站式服務平台 3.4會計和法律：轉型大數據顧問 3.5中小企轉型3面睇 第四章 突破傳統思維 5大致勝法則 4.1創新不忘客戶痛點 4.2平台效應打造高速「飛輪」 4.3 Marketing 4.0 病毒式低成本營銷 4.4「數碼牽引力」評核數碼人才 4.5 Give and Take的共贏思維 第五章 學習創新科技的方法 5.1 免費資源助快速上手 5.2考獲專業資格 5.3創科圈內持續進修 第六章 2030年的數碼世界 6.1大部分人成為斜槓族 6.2 數碼同事無處不在

6.3客製化成行業標準 6.4萬物互聯的智能城市 6.5區塊鏈成商業活動核心 6.6 總結  

採用XGBOOST機器學習方法預測行政執行終結情形

為了解決data數據的問題，作者林素君 這樣論述：

法務部行政執行署及其所屬機關，自民國90年成立，辦理行政機關移送金錢給付義務逾期不履行案件。在執行人力精簡及資源有限的情況下，面對連年劇增之新收案件量，持續改善運作方式，朝向企業化經營，讓作業流程更有效率。行政執行署所屬各分署統計室，為了確保案件系統資料庫存取之正確性，於案件終結時採取人工案卷與系統資料檢核，在人力與時間有限作業下，希望能精準且快速進行檢誤比對，加速案件掛結作業。本篇論文在眾多機器學習方法中，選擇利用XGBOOST機器學習，利用過去已終結案件資料建立最佳預測模型。將執行人員符合法規作業流程可進行終結程序，送統計室掛結案件預測出終結情形，與執行人員於系統中報結情形進行比對，期望

將異常情形比對出來，以協助統計室即時完成檢核，提高執行效率。XGBOOST為近年來機器學習領域的常勝軍，由華盛頓大學陳天奇博士提出，本論文利用python程式語言，將XGBOOST實現於大量案件的公家機關，讓政府單位也能參與目前機器學習領域，以提升辦公效率。