機器主機英文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

輿情操縱：用數據操控心智的鼻祖「析模公司」運作大揭密

為了解決機器主機英文的問題，作者JillLepore 這樣論述：

《金融時報》和麥肯錫年度最佳商業圖書入圍 《時代雜誌》2020年秋季最期待著作 《歐普拉雜誌》2020年秋季最佳圖書 美國國家圖書獎「非虛構類」入圍     這家企業自詡是約翰・甘迺迪贏得總統大選的幕後操盤手！     早在冷戰時期，它便開啟先河研發電腦程式模擬人類思考，     用來預測乃至操控人們的行為與思考，深遠影響延續至今。     從劍橋分析公司到俄羅斯網軍工廠「網路研究機構」，     從Facebook、Amazon到Google，都是它的徒子徒孫！     想了解當今「數位操控戰」，你不能不知道它的歷史！ 　　析模公司成立於冷戰期間，遠在Facebook、Goo

gle和劍橋分析公司誕生之前，它便從事資料探勘、鎖定選民、左右政情，乃至操縱大眾。本書作者吉兒‧萊波爾偶然間在麻省理工學院的檔案庫中發現此公司文件，於是著手挖掘這段遭人遺忘的歷史——而它，也是當今矽谷的操控術和傲慢背後，沉眠已久的神祕源頭。   　　1959年，美國一群頂尖的社會科學家創立了析模公司，發明了一套用於預測和操縱種種人類行為的電腦程式，稱為「仿人機」。他們相信，「仿人機」不只能推銷日常用品，還有其他大用：它可以打贏選戰，可以壓制政治反抗運動，可以擊敗共產主義；可以摸透人心，贏得越戰；可以預測種族暴動，甚至瘟疫──可以說，他們的初衷是善意的。隨著業務逐步拓展，析模公司的客戶除了《紐約

時報》等數十家民間大型廠商，就連要競選美國總統的約翰‧甘迺迪和美國國防部等，都赫然在列，其經營據點也因而遍及紐約、華盛頓、劍橋，甚至遠到越南的西貢。   　　從多屆美國總統大選、越戰，到詹森政府不幸誤判種族暴動等，析模無役不與。然而，由於當時的數據收集能力與資訊科技遠不及今日，加以後來析模發生各種不當管理情事，包括向媒體洩漏情資、未能繳交業務報告，乃至因引起民眾疑慮而面臨抗議，甚至遭指控犯下戰爭罪，最終該公司於1970年宣告破產，相關史料且因機緣湊巧幾乎銷聲匿跡……   　　析模公司的科學家相信，「仿人機」乃是「社會科學界的原子彈」，但他們沒預料到，這項發明會像深埋已久的未爆彈，於數十年後的今

日引爆——時至21世紀初，企業收集數據、建立行為模型、操弄訊息傳布——甚至左右各國政情。省思這些現象時，析模公司的歷史與當年的爭議，將是重要的借鏡。   各界好評   　　►萊波爾是出色多產的歷史學家，眼光獨到，總能發掘不為人知的故事。本書精彩絕倫，時而滑稽好笑，時而令人感到惡寒，作者本身形容它為「1960年代的黑歷史」……當代的我們宛如身處一座圓形監獄：因為世界往往充滿監控，哪怕監控者不是國家，也有超大型企業的身影，它們透過預測和操縱人類行為賺進大筆鈔票，其中滲透最深的目標，莫過美國人的投票行為……作者從中挖掘有可信度、不為人知的故事來源。——《紐約書評》詹姆士‧格里克（James Glei

ck）   　　►當代臉書等企業操控心理和輿情，這方面早就有鼻祖析模公司進行同樣操作。作者以極具說服力的手法寫出其中故事，引領讀者探索近代史鮮為人知的一隅。——《科克斯評論》   　　►內容豐富，敘事技巧出眾，眼光銳利。如同作者萊波爾所言，1960年代甘迺迪總統大選過後，對於政治人物可能利用廣告、心理戰甚至新科技來操作選情，當時的民眾可能感到震驚。然而一甲子過去了，現代美國政治生活已經接受這樣的生態，正由於在當代看來稀鬆平常，現在反而需要一位歷史學家來鉤沉，挖掘那個操弄選情的觀念開始萌芽的年代。——《新共和雜誌》，J‧C‧潘（J.C. Pan）   　　►作者揭露了這間遭世人遺忘的企業如何創造

出未來的數據武器。本書讀來既讓人欲罷不能，又毛骨悚然。——歷史學家亞曼達‧福爾曼（Amanda Foreman）   　　►作者不留情面，犀利批評想要以演算法了解人類行為的愚蠢念頭，以及試著破壞民主的侵蝕性後果，成就出這部深具洞察力的作品，帶領讀者認識具有歷史意義的異議事件。——《書目雜誌》星級評鑑，布倫丹‧迪斯克爾（Brendan Driscoll）   　　►這本書來得正是時候。作者以迷人的文筆和讀者對話，寫出橫跨多洲地理與時間維度的敘事格局。她取得大量的家族相關資料，訪談親近人士，拜此之賜，筆下人物性格、家庭、外遇、爭鬥、家常便飯的八卦閒聊，都躍然紙上。——美國國家公共廣播電台，夏儂‧龐

德（Shannon Bond）   　　►敘述預測分析和行為數據科學源起於冷戰年代的故事，文字優美，邏輯嚴謹。——《金融時報》

機器主機英文進入發燒排行的影片

臺灣海事軟實力之建構與運用---以海巡署為例的分析

為了解決機器主機英文的問題，作者曾明斌 這樣論述：

總統蔡英文女士於2019年3月21日至26日率領內閣成員至南太平洋邦交國進行國是訪問，並將此行取名為「海洋民主之旅」，以海洋與民主為主軸，拜訪大洋洲的友邦帛琉、諾魯及馬紹爾等國，以實際行動穩固邦交，並與前揭國家簽訂《海巡合作協定》（Coast Guard Agreement）。海巡署近年展現的海上執法與救難成果似乎正幫國家開啟另一扇大門，吸引其他國家的交流與合作，海巡外交（Coast Guard Diplomacy）也成為臺灣新的對外交流模式。海巡署對外所展現的吸引力，似乎與約瑟夫．奈伊（Joseph S. Nye Jr.）在80年代提出的軟實力（Soft Power）概念相契合，強調國家除

了能運用軍事與經濟等硬實力外，仍有其他能力足以影響其他國家決策，不論是議程的設定或國際建制的建立，藉由彼此均認同的價值與系統，達到權力運用的效果與影響力。在奈伊的研究中，認為軟實力主要源於文化、政治價值與外交政策，惟本研究認為除了前揭三種來源以外，隨著非傳統安全與全球治理的議題逐漸被國際社會重視，國家在海洋事務各種層面的卓越表現，將成為新的軟實力來源，本研究將其稱之為「海事軟實力」。本研究將以奈伊所建立的「軟實力」理論為基礎，輔以海洋意識與行動等要素，結合權力分析的概念，進行理論推導與修正，建立「海事軟實力」概念架構，並分析「海事軟實力」可能的權力資源與行動，建立相關的評估指標與方法，並以海巡

署為例進行實際操作。

Intel大師帶你架設AI底層：持久記憶體架構服務實作

為了解決機器主機英文的問題，作者李志明,吳國安,李翔 這樣論述：

有記憶體的極速，有M.2 SSD的非揮發性， 持久性記憶體打破現有架構，是量子電腦真正出現之前的最偉大發明！ Intel作者群帶你進入持久化記憶體的世界   　　分層記憶體架構是現代電腦的基石，從CPU之內的L1、L2、L3快取以降，一直到DDR4/5的主記憶體，速度從快到慢，但真正阻礙電腦速度的最大瓶頸，就是下一層的非揮發性儲存了。雖然PCIE Gen4的M.2 SSD已達到7000MB/s的驚人讀取速度，但和處理器內的記憶體來說還是有1000倍以上的差距。為了彌補這個鴻溝，Intel推出了全新的記憶體架構，再揮發性記憶體子系統和發揮發性儲存系統之間，新增了一個新的層次，既能滿足高速的記

憶體資料傳輸，又能保有可儲存性的優點，這個稱之為3D-XPoint的技術，再度造成了整個電腦系統的世代革命。當電腦的主架構發生了天翻地覆的改變時，應用程式、伺服器、資料庫、大數據、人工智慧當然也出現了必需性的變化。在設計巨量資料的服務系統時，傳統針對記憶體斤斤計較的場景不再出現，取代的是大量運用新的持久性記憶體架構來降低系統I/O的頻寬。這對新一代的雲端運算資料中心的影響更是巨大。包括了虛擬機、容器、進而對於應用程式如軟體開發、資料庫、NoSQL、SAP/Hana，Hadoop/Spark也產生了巨大的影響。   　　本書是國內第一本中文說明這種新型應用的書籍，閱讀本書之後，對大型系統的運維已

不再是TB級而達到PB的記憶體等級了，想想一個巨型的系統服務不需要水平擴充(Scale-out)r而是可以垂直擴充(Scale-up)，這完全打破了我們從前的概念，本書將是你在進入量子電腦世代來臨前最迫切需要獲得的知識。   本書特色   　　1.在英特爾公司任職的多位專家們齊聚一堂，共同創作了這本持久化記憶體的實戰書籍。 　　2.仔細講解、深入淺出，搭配圖表輔助說明，好看好讀好吸收。 　　3.台灣第一本詳細解說持久記憶體的電腦書，讓你迅速精進，保持業界頂峰的地位。   名人推薦   　　「借助英特爾傲騰持久記憶體，我們在記憶體--儲存子系統中創建了一個新層次，這使整個產業都會受益。持久記憶體

基於革命性的英特爾3D-XPoint 技術，將傳統記憶體的速度與容量和持久性結合在一起。」──阿爾珀·伊爾克巴哈（Alper Ilkbahar），英特爾公司資料平台事業部副總裁、記憶體和儲存產品事業部總經理

重組EfficientNet模塊之口罩瑕疵檢測

為了解決機器主機英文的問題，作者王家恩 這樣論述：

在2019年底 新型冠狀病毒肺炎 (COVID-19)疫情爆發，全球口罩的需求瞬間大增，口罩的生產品質也變得重要。 因此本研究藉由 AI深度學習模型替口罩進行瑕疵檢測分類， 以當前精準 的卷積神經網路模型 EfficientNet 進行口罩檢測； 在使用模型時發現，雖然此類模型的準確率 高 ，但與 其他模型 相比則 需要較長的訓練時間 尤其是EfficientNet B7，在進行檢測 若沒有 高效能 顯示卡，就 無法進行訓練 ，最低也需要有一張 10G的顯示卡才能讓模型在不會將圖片縮得太小的情況下運作 。 於是本研究透過將EfficientNet B7的模型 神經層數量 減少， 並 觀察其在

此 情況下是否能夠 維持或提高檢測準確率 以目前修改表現最好的模型 得出 若 將 模型的 神經層數量減少百分之 60 不僅能降低顯示卡的負擔，還能減少訓練所要花費的時間， 且修改後的模型準確率與原始模型的準確率 也沒有太大差異 。