nsf是什麼的問題，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

減法的力量：全美最啟迪人心的跨領域教授，帶你發現｢少，才更好｣

為了解決nsf是什麼的問題，作者雷迪．克羅茲 這樣論述：

新常態，就是在做減法， 面對疫情的機會與挑戰，最能翻轉你思考的一本書！ 　　減法本身就是一種行動，精簡就是一種最終狀態。 　　美國知名行為科學教授，教你用｢停辦清單｣取代｢待辦事項｣， 　　用｢編輯舊文｣取代｢撰寫新文｣， 　　用創造性的減法獲得他人忽略的機會，帶來真正的改變！ 　　近藤麻理惠教我們簡化居家；名廚奧利佛的食譜只有五種食材；《深度工作力》宣揚「數位極簡」⋯⋯但為什麼我們需要三本書，才能解決不同領域的同一個基本問題？ 　　因為，我們從來沒有真正掌握減法的力量！ 　　今天的你，是否比三年前更為忙碌？ 　　你所擁有的東西是否比以前更多？ 　　你是不是花更多時間取得資訊，而不

是從已知的事物中萃取精華？ 　　你是不是花更多時間寫新的內容，而非編輯舊文章？ 　　你在家中或公司是否訂下更多新規矩，而非刪除現有的規定？ 　　如果以上任何一項的答覆為「是」，你並不孤單。 　　我們為了改善人生、工作和社會而努力「添加」，卻忘了把「減法」納入考量。其實， 　　減少不是損失，「少」能讓我們獲得更多時間與空間。 　　擅長跨領域思考、最啟發人心的教授雷迪‧克羅茲，透過革命性的研究，讓你正視自己疏於減法的心智盲點，培養減法思維。閱讀本書不僅能改善生活，還能帶來卓越，而且樂趣十足。你將能透過更清晰的鏡片看待世界，找到長久以來錯過的選項，透過「刪減」累積更多智慧，為自己、家庭、公司、城

市、機構、地球、後代，做出真正能帶來改變的減法決策！ 　　這些事物中，都藏著「減法的力量」！ 　　疊疊樂 　　孩子的滑步車 　　甜甜圈中間的洞 　　急診室的「檢傷分流」 　　NIKE的氣墊鞋 　　搖滾歌手史普林斯汀的經典專輯 　　設計一座紀念碑 　　作者大學時如何在攸關生死的期末考拿下高分 　　寫好你手中這本書 名人推薦 　　★《心態致勝》作者卡蘿‧杜維克盛讚：「本書讓我們明白，對生活進行一些刪減，就能看見更令人興奮的全新境界。」 　　★李瑞華（政大商學院教授）專文推薦； 　　黃麗燕（李奧貝納 集團執行長暨大中華區總裁）、陳威帆（Fourdesire創辦人暨執行長，《玩心設計》作者）、

施典志（資深科技媒體評論者，曾任方格子平台營運總監、火箭科技評論編輯總監）、洪培芸（臨床心理師、作家）、Mr.Market市場先生（財經作家）推薦 好評迴響 　　作者在產生「心流」而樂此不疲的「減法」課題中，產生不一樣的視野和格局，有助於讀者系統地理解我們為什麽忽視減法及如何解決這個問題，並因此能改變人生及工作的效能。──李瑞華，政大商學院教授 　　但願我們讀完本書，都能如法國雕塑家羅丹一般，從碩大的原石之中，排除各種雜訊，精煉並雕塑出屬於每個人的沉思者，持續尋找更優雅的設計與生活方式。──陳威帆，Fourdesire創辦人暨執行長，《玩心設計》作者 　　《減法的力量》帶給我最深刻的讚

賞，其實就是「彈性」。真正重要的是，適合當下的自己，能因時制宜地先加後減，或者先減後加，或者將不同領域的加減搭配，都是好作為。──洪培芸，臨床心理師、作者  

nsf是什麼進入發燒排行的影片

網路影音平台管制之研究：我國與加拿大法制之比較

為了解決nsf是什麼的問題，作者許若婕 這樣論述：

近年來因網際網路的發達，網路影音服務 (OTT TV) 不僅在臺灣蓬勃發展，在全世界也是如此，境外大型OTT TV業者挾帶著龐大的資本及品牌優勢，勢必會對我國的影音服務產業造成巨大衝擊。然而該如何透過國內法律來處理網路活動跨越國境的服務爭議，在網路治理思維下，法律制度形成之前可能需要政府與業者和消費者多方溝通，以促進法案之完善。2020年7月國家通訊傳播委員會(NCC) 提出《網際網路視聽服務法》草案 (OTT TV專法)，希望藉此建立完善且健全的OTT TV平台治理政策，並完善我國OTT TV服務之數位匯流環境、調和平台之間的法制規範，並預期於2022年下半年開始推動法案制定作業。於此同時

，加拿大在2022年2月提出《線上串流法案》(Online Streaming Act, Bill C-11) 並於同年6月眾議院完成三讀送交參議院審議，與我國OTT TV專法著重產業管制之目的相較，C-11法案似有較為明確的文化保護政策目標，且呈現了政府如何因應OTT TV對民眾造成廣泛影響的回應。因此，本研究認為可將我國與加拿大法案對於OTT TV的管制策略、重要措施與文化保護進行比較，藉此誘發我國思考未來政策目標的擬定方向，以及如何制定彈性的規管方式。在鼓勵服務創新與發展、考量OTT TV服務市場競爭以及消費者收視權益的前提下，本研究認同我國OTT TV專法採取輕度管理與自律導向的管制策

略，但在保護本國視聽文化主體性上則是需要一些積極的作法，本研究建議可參考加拿大逐步將所有影視產業納入媒體基金提撥對象，或者對影視業者徵收特別稅以扶植本土影視內容的產製，以落實「內容即文化、文化即國力」之政策方向。

創新工廠講AI課：從知識到實踐

為了解決nsf是什麼的問題，作者創新工廠DEECAMP組委會 這樣論述：

創新工廠於2017年發起了面向高校在校生的DeeCamp人工智慧訓練營（簡稱DeeCamp訓練營），訓練營內容涵蓋學術界與產業界領軍人物帶來的全新AI知識體系和來自產業界的真實實踐課題，旨在提升高校AI人才在行業應用中的實踐能力，以及推進產學研深度結合。   本書以近兩年DeeCamp訓練營培訓內容為基礎，精選部分導師的授課課程及有代表性的學員參賽專案，以文字形式再現訓練營“知識課程+產業實戰”的教學模式和內容。全書共分為9章，第1章、第2章分別介紹AI賦能時代的創業、AI的產品化和工程化挑戰；第3章至第8章聚焦於AI理論與產業實踐的結合，內容涵蓋機器學習、自然語言處理、電腦視覺、深度學習模型

的壓縮與加速等；第9章介紹了 4 個優秀實踐課題，涉及自然語言處理和電腦視覺兩個方向。   本書適合AI相關專業的高校在校生及AI行業的工程師使用，可作為他們瞭解AI產業和開拓視野的讀物。 ★李開復★ 李開復博士于2009年創立創新工廠，擔任董事長兼首席執行官，專注于科技創新型的投資理念與最前沿的技術趨勢。十多年來創新工廠已經投資逾400個創業項目，管理總額約160億人民幣的雙幣基金。2016年秋季創辦創新工廠人工智慧工程院，致力於利用最前沿的AI技術為企業提供人工智慧產品與解決方案。   在此之前，李開復博士曾是谷歌中國全球副總裁兼大中華區總裁，擔任微軟全球副總裁期間開創

了微軟亞洲研究院，並曾服務於蘋果、SGI等知名科技企業。   李開復在美國哥倫比亞大學取得電腦科學學士學位，以最高榮譽畢業於卡耐基梅隆大學獲得博士學位。同時，李開復獲得香港城市大學、卡耐基梅隆大學榮譽博士學位。李開復獲選為美國電機電子工程師學會（IEEE）的院士，並被《時代》雜誌評選為2013影響全球100位年度人物之一，《Wired 連線》本世紀推動科技全球25位標杆人物，2018亞洲商界領袖獎等殊榮，並出任世界經濟論壇第四次工業革命中心的AI委員會聯席主席。李開復博士發明過十項美國專利，發表逾百篇專業期刊或會議論文，並出版過十本中文暢銷書。   ★王詠剛★ 王詠剛，現任創新工廠CTO人工智

慧工程院執行院長，加入創新工廠前擔任谷歌主任工程師和高級技術經理超過十年，在穀歌參與或負責研發的專案包括桌面搜索、穀歌拼音輸入法、產品搜索、知識圖譜、穀歌首頁塗鴉（Doodles）等，在知識圖譜、分散式系統、自然語言處理、HTML5動畫和遊戲引擎等領域擁有豐富的工程研發經驗。目前專注於人工智慧前沿科技的工程化與商業化，以及人工智慧高端人才的培養，作為聯合創始人，創立了人工智慧商業化公司創新奇智，同時也是人工智慧高端應用型人才培養專案DeeCamp的發起者。   ★張潼★ 張潼博士，機器學習領域國際著名專家，擁有美國康奈爾大學數學和電腦雙學士學位，以及斯坦福大學電腦碩士和博士學位，在香港科技大學

數學系和電腦系任教。曾經擔任美國新澤西州立大學終身教授，IBM研究院研究員和雅虎研究院主任科學家，百度研究院副院長和大資料實驗室負責人，騰訊AI Lab主任。他曾參加美國國家科學院大資料專家委員會，負責過多個美國國家科學基金資助的大資料研究專案，此外還是美國統計學會和國際數理統計學會fellow，並擔任NIPS、ICML、COLT等國際頂級機器學習會議主席或領域主席，以及PAMI, JMLR, 和Machine Learning Journal等國際一流人工智慧期刊編委。   ★宋彥★ 宋彥博士，香港中文大學（深圳） 資料科學學院副教授，創新工廠大灣區研究院首席科學家。歷任微軟、騰訊研究員及首

席研究員，創新工廠大灣區研究院執行院長等職，是 “微軟小冰”項目的創始團隊成員之一，其研究方向包括自然語言處理、資訊檢索和抽取、文本表徵學習等。   ★屠可偉★ 屠可偉博士，上海科技大學信息科學與技術學院長聘副教授、研究員、博士生導師。研究方向包括自然語言處理、機器學習、知識表示、電腦視覺等人工智慧領域，側重於研究語言結構的表示、學習與應用。   ★張發恩★ 張發恩，創新奇智聯合創始人，創新奇智公司CTO， 寧波諾丁漢大學客座教授。2008年畢業於中國科學院軟體研究所，同年加入微軟，負責Office相關軟體產品的研發工作；2010年，入職Google，作為核心研發人員，主導和參與Google搜

尋引擎、Google知識圖譜等相關工作；2015年，加入百度，作為百度雲早期創始團隊成員之一，曾任百度雲計算事業部技術委員會主席，百度雲計算事業部大資料和人工智慧主任架構師。他在IT行業擁有十幾年技術研發和管理經驗，涉及企業級軟體、室內地圖定位與導航、互聯網搜尋引擎、全領域知識圖譜、大資料計算與存儲、機器學習、深度學習、機器視覺等眾多領域。工作期間獲得10餘項美國專利，70余項中國專利，發表過多篇頂級會議學術論文。   ★唐劍★ 唐劍博士，滴滴智慧控制首席科學家，AI Labs 負責人兼演算法委員會主席，IEEE Fellow和ACM傑出科學家，領導滴滴在智慧物聯網、電腦視覺和自動駕駛方向上的

研發。   他在國際頂級期刊和會議上發表了160多篇學術論文，擁有多項發明專利，在邊緣智慧、AI驅動的系統控制和群智感知方向上做出開創性貢獻，並多次獲得最佳論文獎, 其中包括通信網路領域的最高論文獎2019 年度IEEE 通信學會William R. Bennett Prize和IEEE車載技術學會2016年度最佳車載電子論文獎。   目前還擔任中國電子學會物聯網專委會專家委員、新一代人工智慧產業技術創新戰略聯盟專家委員會委員、IEEE車載技術學會傑出演講人、以及IEEE通信學會交換和路由技術委員會主席。   ★張彌★ 張彌博士，現任密歇根州立大學副教授，2006年畢業於北京大學，2013年獲

得美國南加州大學博士學位，2013-2014年在美國康奈爾大學任博士後。主要研究領域包括終端深度學習、自動機器學習、聯邦學習和機器學習系統。本人及其研究團隊在2019年Google MicroNet Challenge 全球競賽中獲得CIFAR-100賽道第四名 (北美第一名)，在 2017年NSF Hearables Challenge全球競賽中獲得第三名，在2016年NIH Pill Image Recognition Challenge全球競賽中獲得冠軍。   ★吳佳洪★ 吳佳洪，創新奇智高級研究員，2017年畢業於北京大學。曾帶隊獲得Pascal Voc 世界冠軍、Cityscapes

實例分割冠軍、ADE20K物體分割冠軍等；曾負責創新奇智無人貨櫃專案的演算法工作，專注於電腦視覺領域，發表過多篇CVPR論文。   ★劉寧★ 劉甯博士，滴滴資深研究員，畢業于美國東北大學電腦工程系。研究領域包括深度增強學習、深度模型壓縮與加速、邊緣計算等。在國際頂級期刊和會議AAAI, MICRO, ASPLOS，ISCA等發表學術論文20餘篇，發表多項發明專利。   第1章 AI賦能時代的創業 1.1　中國AI如何彎道超車 1.2 AI從“發明期”進入“應用期” 1.2.1 深度學習助推AI進入“應用期” 1.2.2 To B創業迎來黃金髮展期 1.2.3 “傳統產業+AI”將創造巨大

價值 1.2.4 AI賦能傳統行業四部曲 1.3 AI賦能時代的創業特點 1.3.1 海外科技巨頭成功因素解析 1.3.2 科學家創業的優勢和短板 1.3.3 四因素降低AI產品化、商業化門檻 1.4 給未來AI人才的建議 第2章 AI的產品化和工程化挑戰 2.1 從AI科研到AI商業化 2.2 產品經理視角—資料驅動的產品研發 2.2.1 資料驅動 2.2.2 典型C端產品的設計和管理 2.2.3 典型B端產品解決方案的設計和管理 2.2.4 AI技術的產品化 2.3 架構設計師視角—典型AI架構 2.3.1 為什麼要重視系統架構 2.3.2 與AI相關的典型系統架構 2.4 寫在本章最後

的幾句話 本章參考文獻 第3章 機器學習的發展現狀及前沿進展 3.1 機器學習的發展現狀 3.2 機器學習的前沿進展 3.2.1 複雜模型 3.2.2 表示學習 3.2.3 自動機器學習 第4章 自然語言理解概述及主流任務 4.1 自然語言理解概述 4.2 NLP主流任務 4.2.1 中文分詞 4.2.2 指代消解 4.2.3 文本分類 4.2.4 關鍵字（短語）的抽取與生成 4.2.5 文本摘要 4.2.6 情感分析 本章參考文獻 第5章 機器學習在NLP領域的應用及產業實踐 5.1 自然語言句法分析 5.1.1 自然語言句法分析的含義與背景 5.1.2 研究句法分析的幾個要素 5.1

.3 句法分析模型舉例 5.2 深度學習在句法分析模型參數估計中的應用 5.2.1 符號嵌入 5.2.2 上下文符號嵌入 本章參考文獻 第6章 電腦視覺前沿進展及實踐 6.1 電腦視覺概念 6.2 電腦視覺認知過程 6.2.1 從低層次到高層次的理解 6.2.2 基本任務及主流任務 6.3 電腦視覺技術的前沿進展 6.3.1 圖像分類任務 6.3.2 目標檢測任務 6.3.3 圖像分割任務 6.3.4 主流任務的前沿進展 6.4 基於機器學習的電腦視覺實踐 6.4.1 目標檢測比賽 6.4.2 蛋筒質檢 6.4.3 智能貨櫃 本章參考文獻 第7章 深度學習模型壓縮與加速的技術發展與應用 7

.1 深度學習的應用領域及面臨的挑戰 7.1.1 深度學習的應用領域 7.1.2 深度學習面臨的挑戰 7.2 深度學習模型的壓縮和加速方法 7.2.1 主流壓縮和加速方法概述 7.2.2 權重剪枝 7.2.3 權重量化 7.2.4 知識蒸餾 7.2.5 權重量化與權重剪枝結合並泛化 7.3 模型壓縮與加速的應用場景 7.3.1 駕駛員安全檢測系統 7.3.2 高級駕駛輔助系統 7.3.3 車路協同系統 本章參考文獻 第8章 終端深度學習基礎、挑戰和工程實踐 8.1 終端深度學習的技術成就及面臨的核心問題 8.1.1 終端深度學習的技術成就 8.1.2 終端深度學習面臨的核心問題 8.2 在冗

餘條件下減少資源需求的方法 8.3 在非冗餘條件下減少資源需求的方法 8.3.1 特殊化模型 8.3.2 動態模型 8.4 深度學習系統的設計 8.4.1 實際應用場景中的挑戰 8.4.2 實際應用場景中的問題解決 8.4.3 案例分析 本章參考文獻 第9章 DeeCamp訓練營最佳商業項目實戰 9.1 方仔照相館—AI輔助單張圖像生成積木方頭仔 9.1.1 讓“AI方頭仔”觸手可及 9.1.2 理論支撐：BiSeNet和Mask R-CNN 9.1.3 任務分解：從圖像分析到積木生成的實現 9.1.4 團隊協作與時間安排 9.2 AI科幻世界—基於預訓練語言模型的科幻小說生成系統 9.2.

1 打造人機協作的科幻小說作家 9.2.2 理論支撐：語言模型、Transformer模型和GPT2預訓練模型 9.2.3 從“找小說”到“寫小說”的實現步驟 9.2.4 團隊協作與時間安排 9.3 寵物健康識別—基於圖像表徵學習的寵物肥胖度線上檢測系統 9.3.1 人人都能做“養寵達人” 9.3.2 理論支撐：表徵學習、人臉識別原理和ArcFace損失函數 9.3.3 任務分解：從資料收集到肥胖度檢測 9.3.4 團隊協作與時間安排 9.4 商品文案生成—基於檢索和生成的智慧文案系統 9.4.1 智慧內容生成 9.4.2 理論支撐：Word2Vec詞嵌入、預訓練語言模型BERT和Seq2Se

q文本生成 9.4.3 任務分解：“尋章摘句”和“文不加點” 9.4.4 團隊協作與時間安排 本章參考文獻

Code.org對於國小三年級學生運算思維之影響研究

為了解決nsf是什麼的問題，作者張智棋 這樣論述：

伴隨著資訊發展，現在的生活已離不開科技。在十二年國教課綱裡，學習運算思維和程式教育越來越重要。本研究對象年齡較小，且是運算思維的初學者，所以選擇的課程教材以視覺化程式積木和不插電的活動為主。Code.org是一個好資源，且適合年齡較小者。本研究旨在探討Code.org對於國小三年級學生的學習歷程及對其在運算思維上的影響。研究者因而從Code.org網站中挑選與運算思維有關的課程內容並改編以更適合研究對象。研究方法採以單組前後測設計。研究對象為新竹市某國小三年級學生一班，共計24名學生。每節課教學40分鐘，共計10節。在研究工具上，蒐集學生課程學習單以理解學生的學習歷程，前、後測是從澳洲國家B

ebras運算思維2018-2019測驗中篩選適合研究對象的試題。本研究的結果為：一、在Computational Thinking課程中，學生能找出遊戲規則並遊玩。二、在Algorithms (Tangrams)課程中，大部分的學生能依照指令正確地排出正確圖形，然而少部分的學生在方位判斷上會有誤解。三、在Sequencing課程中，學生能依照給予的符號代碼正確地完成學習單內容，然而少部分學生在方位判斷上會有誤解。四、在Hour of Code (Classic Maze)課程中，有19名學生能完成前十關的關卡，然而卻無法掌握好抽象化概念。五、本研究課程分別為Computational Thi

nking、Algorithms (Tangrams)、Sequencing和Hour of Code (Classic Maze) 。學生最喜愛的課程是Hour of Code (Classic Maze)。六、學生在後測平均數高於前測平均數並達顯著差異，故Code.org能提升學生運算思維能力。