儲存資料的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

Python 資料科學實戰教本：爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模，數據工程一次搞定!

為了解決儲存資料的問題，作者陳會安 這樣論述：

　　【題材涵蓋最全面！一本書掌握資料科學 / 數據工程必學 know-how！】   　　從大數據到人工智慧世代，其背後蘊含的關鍵技術與理論不脫資料科學、機器學習的範疇。基本上，資料科學需要的背景知識與技能相當的多，通常要會 Python 程式設計基礎、熟悉相關 Python 套件和模組的使用；再加上機器學習的基礎就是機率和統計，因此也免不了得學機率和統計知識，可說有一拖拉庫的主題等著你去學，也難怪市面上各主題 (程式基礎、統計、套件、機器學習建模...) 的專書滿坑滿谷，一時間實在讓人難以消化...   　　為了降低讀者初學資料科學面對的負擔以及混亂感，我們精心設計了這本入門實戰教本，秉

持讓讀者「買一本抵多本」的精神，本書一次涵蓋所有入門必須熟悉的重要題材，同時也將初學資料科學的脈絡梳理清楚。   　　在章節的安排上，本書從資料取得的網路爬蟲開始，提供一個標準 SOP 來幫助讀者從網路取得資料；接著說明資料科學必學的 Python 重量級套件，再接著介紹機率、統計和探索式資料分析的基礎知識，最後進入最熱門的機器學習、深度學習建模主題。   　　這一連串「取得資料 → 探索資料 → 預測分析」是一套完整的資料科學 / 數據工程實戰訓練，跟著本書掌握這些重要 know-how 後，就不難看懂網路上眾多資料科學、機器學習專案的 Python 程式碼和線上教材，甚至參與資料科學、機器

學習的網路競賽；希望本書能協助讀者開啟資料科學家 / 數據工程師的成功之路！   本書特色   　　□ 資料科學三部曲：取得資料 → 探索資料 → 預測分析 　　□ 一次補足最入門的統計和機率基礎 　　□ Python 開發環境與基礎語法快速上手 　　□ 從網頁爬蟲、資料清理到資料視覺化，快速完成資料探索的預處理程序 　　□ 將清理後的資料存入 SQL 資料庫，便於日後存取利用 　　□ 實踐資料科學的四大套件：NumPy、Pandas、Matplotlib、Seaborn 一次掌握 　　□ 用 Scikit-learn、tensorflow.Keras 套件實作最熱門的 AI 機器學習應用

儲存資料進入發燒排行的影片

具密文等值測試代理重加密之改善方案

為了解決儲存資料的問題，作者楊芝辰 這樣論述：

在網路的普及促使雲端的發展，人們開始習慣儲存資料到雲端系統上。如何有效率與其他人共享密文成為了一個問題。代理重加密（Proxy re-encryption, PRE）機制，透過委託可信第三方或是半誠實代理器將自己公鑰加密的密文轉化為可用另一方私鑰解開的密文從而實現密文共享機制。雖然該方案解決上述問題。但是，隨著資料量的急遽上升，若能利用搜尋關鍵字，直接篩選出有興趣的資料能在使用上作廣泛的應用，進而發展出具關鍵字搜索代理重加密（Proxy re-encryption with keywords search, PRES）機制，這個概念比傳統方式，透過執行「搜索-下載-解密-利用對方公鑰加密-傳

送」的步驟更有效率。但是，PRES只能搜索相同公鑰下的關鍵字。為了解決該限制，Li's 等人利用了密文相等性驗證(Public key encryption with equality test, PKEET)的性質，提出了第一篇結合了PRE以及PKEET的新機制稱為密文相等性驗證代理重加密（Proxy re-encryption with equality test, PREET），該方案提供不同公鑰下關鍵字的相等性測試，不幸的是，我們發現他們提出的架構在解密步驟的驗證過程中，該驗證方法無法有效驗證密文的完整性，因此我們提出了改進驗證的方案，使驗證有效達到密文的完整性，這將使該機制可以更廣泛

地應用於實踐。此外，本文還給出了隨機預言機模型下基於Diffie-Hellman假設的安全性證明，證明了所提出的方案能夠抵禦選定的密文攻擊。

把好事說成好故事：在實務上踏實，在想法上跳躍，ESG、SDGs必備

為了解決儲存資料的問題，作者盧建彰KurtLu 這樣論述：

最有溫度的ESG倡議者Kurt Lu 說好的永續故事 用創意，讓那些善意，更有力 　　「用好故事告訴別人你做的好事」有其必要，那會讓更多人願意共襄盛舉；而寫這麼一本書，也是作者十年如一日的身體力行。」──龔大中│台灣奧美集團創意長 　　試著參與世界，世界才認同你的存在。 　　要賺錢，還要賺到比錢更大的東西。 　　像運動一樣，努力讓ESG的傳播形成有意識又能內化的行為。 　　你可以在企業既有路徑上深化，進一步分享你的ESG。 　　思考當代人最迫切的問題，試著用企業資源提供解方。 　　用創意，在你以為最荒蕪的地方，開出最盛放的花朵。 　　一次前進一步就好，努力眼前，但是看著未來。 　　你

把ESG做好，我來把故事說好，讓好事影響力倍增。 　　──Kurt Lu 　　超愛說故事的鬼才導演盧建彰，以獨特的導演觀點，帶著社會關懷拍攝企業、社會團體、藝術家永續經營的祕訣，把這些優質團體秉持的ESG理念、如何實踐，以及ESG帶來的效益化為故事，期待有更多人這樣思考，為未來帶來正向改變。 　　☆收錄優質ESG好故事 　　綠藤生機、光寶、Google、AZ、台達電、優席夫、洲南鹽場、各大獨立書店 　　ESG心法 　　→關心世界的變化，關心世界遇見的問題。 　　→要認真賺錢，還要努力讓環境和人類彼此更好。 　　→在社會議題裡尋找企業角色，投身其中，負起企業責任。 　　→將資源分配給需要的

人，從而創造商機，你就是你生意的貴人。 　　→好好分享你這企業投入人類永續發展的故事，這才有賣點。 　　→持續做你心中的something，你就有機會成為somebody。 　　→盯著問題看，不要別過頭，問題就會變小。 　　→對環境有足夠敬意，你就可以找到對環境衝擊小的對策。 　　→除了自己努力的目標，也思考如何促成別人投入的好事。 　　→完全的投入，世界給你的回饋，也會毫無保留。 激賞推薦 　　平路│作家 　　四分衛阿山│音樂人 　　何榮幸│《報導者》創辦人兼執行長 　　呂冠緯│均一平台教育基金會董事長兼執行長 　　宋明峰│光寶科技永續長 　　林生祥│音樂創作者 　　柯一正│導演 　　胡

慧玲│作家 　　郭珊珊│台達電子品牌長／台達電子文教基金會副董事長 　　楊力州│紀錄片導演 　　葉丙成│台大教授 　　劉安婷│為台灣而教創辦人暨董事長 　　鄧惠文│精神科醫師 　　鄭涵睿│綠藤生機共同創辦人暨執行長 　　龔大中│台灣奧美集團創意長 各界好評 　　這是一本有溫度的生命之書。當CSR、ESG、SDGs這些名詞成為顯學，很多企業只是趕流行加入「作文比賽」。盧導則早在多年前，就從陪伴罹病父母等生命經驗出發，在企業思維中注入社會關懷與公益取向。如今盧導已成為最有溫度的ESG倡議者，期待本書中充滿人性的好故事，能為台灣社會帶來更多正向改變。（本書引介的各地獨立書店也值得更多支持）──何

榮幸│《報導者》創辦人兼執行長 　　一直很喜歡 Kurt 的文字，是一種不說教的用故事講道理。這一次的道理是在講ESG，這是當代非常重要的題目。而由於Kurt見多識廣，加上實際參與過許多ESG案例的溝通，因此很能抓住比一般人更有感的敘事方式。所有在NPO與企業ESG工作的夥伴，都一定要來讀這本書──呂冠緯│均一平台教育基金會董事長兼執行長 　　對很多人而言，ESG是企業的枷鎖，是企業得要額外花力氣去應付的麻煩，甚至是企業的遮羞布。然而當你對它有更多了解，你會發現它其實是當代企業要能感動人心、創造價值的重要關鍵。跟盧導書中的諸多案例故事學習，希望你也能更懂ESG的好。──葉丙成│台大教授

　　讀本書時，我腦中一直想起賈伯斯說：「這世上最有影響力的人就是說故事的人。他會為下個世代定義願景、價值與行動。」Kurt透過與優質、有高度的企業合作經驗，拆解說故事的力量其來何自。重點不在於如何說，而是說什麼──回歸信仰，由心深處找到那份純粹。我有幸認識Kurt多年，深知他不只如此寫，更如此活，本書就是讓好故事發揮影響力的最佳示範。誠心推薦給希望留給孩子更好的世界的大人。──劉安婷│為台灣而教創辦人暨董事長 　　這本書把我重新帶回二○二○年綠藤慶祝十週年前夕，第一次見到Kurt時的場景與感動。他告訴我們：「社會關心你這品牌，是因為你這品牌關心社會。」「人們要的是故事，而不是廣告。」這些觀念

從此改變了我們看待傳播的方式，也很開心能透過這本書讓更多人認識。管理大師杜拉克曾說，企業有兩個基本功能：創新與行銷。在這個ESG愈來愈受重視的時代，Kurt 則定義：把ESG做好，把故事講好。除此之外，都是在混。我想說，我們一起，不要混。──鄭涵睿│綠藤生機共同創辦人暨執行長 　　ESG有多夯？看看多少企業和人在蹭就知道。關於環境、社會責任和公司治理，不是空口說說就好，重點是你實打實做了什麼。我所認識的 Kurt，在我還沒聽過ESG這東西時，早已投入並幫助品牌開始動手做了。書中故事都是這些年見面時，他眼睛發光跟我聊他在做的事。「用好故事告訴別人你做的好事」有其必要，那會讓更多人願意共襄盛舉；

而寫這麼一本書，也是作者十年如一日的身體力行。──龔大中│台灣奧美集團創意長  

利用深度學習辨識吉他C大和弦之指型錯誤

為了解決儲存資料的問題，作者鄧杰 這樣論述：

本文建立一基於深度卷積神經網路(CNN)的吉他和弦辨識系統，目的是讓初學者在學習吉他時，能即時得知第幾弦錯誤。數據蒐集方面，本文收錄剛學習吉他的初學者以及非初學者所彈奏的C和弦音訊檔案，透過錄音介面至電腦並儲存。資料預處理方面，本文將蒐集到的音訊檔案，分為七種不同錯誤的狀況，以及一種正確的範例，再對音訊檔案進行離散傅立葉轉換，並將其結果轉換成頻譜圖以作為訓練資料。最後，透過CNN模型的訓練得知成果。實驗結果得知，神經網路模型對吉他C大和之弦錯誤具有辨識的能力，在未來可以增加更多和弦資料並實體化，以利於吉他初學者有更好的幫助。