去個人化實驗的問題，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

完美投資組合：親訪10位投資界傳奇的長勝策略

為了解決去個人化實驗的問題，作者羅聞全,史蒂芬．佛斯特 這樣論述：

6位諾貝爾獎得主＋3位實務專家＋1位金融教授 ────傾力鉅獻──── ★籌備10年，全球獨家與10位投資先驅面對面親訪 ★《漫步華爾街》作者墨基爾強力推薦 ★英美經濟學家、政府財政顧問、跨國企業總裁盛讚 首度同台！親炙10位大師的殿堂級策略。 投資的甜蜜點！學習用最低風險賺取最高報酬。 新手與老手必讀！掌握基礎理論，打造完美組合。 　　投資史上最有價值的10 堂課，破除過往投資迷思， 　　重新解讀市場走向，建立持久獲利的組合！ 　　「真有完美的投資組合，能在風險與報酬間取得平衡？」 　　麻省理工教授羅聞全、金融學教授佛斯特， 　　透過親訪10位投資界領袖來檢驗這個問題── 　　

哈利．馬可維茲──1990年諾貝爾經濟學奬得主，現代投資組合理論奠基者 　　→第一個正式提出分散投資概念的人，即不犧牲預期報酬，也能降低風險。 　　威廉．夏普──1990年諾貝爾經濟學奬得主，資本資產定價模型奠基者 　　→大力支持低成本投資，即投資無風險資產（抗通膨公債）和市場投資組合。 　　尤金．法馬──2013年諾貝爾經濟學獎得主，現代財務學之父 　　→重視小型股與價值股，唯有承擔更高的風險，才能達成更高的預期報酬。 　　約翰．柏格──指數基金之父，先鋒集團創辦人 　　→支持低成本指數型基金，投資時須衡量風險、時間、成本和報酬。 　　邁倫．修爾斯──1997年諾貝爾經濟學獎得主 　

　→最重要的是風險管理，須避開尾部風險，善用上漲的尾部利得。 　　羅伯特．默頓──1997年諾貝爾經濟學獎得主 　　→提供有意義的資訊給專業經理人，就能替你調配完美投資組合。 　　馬丁．萊柏維茲──摩根士丹利的常務董事 　　→重點是評估你能承受的風險，除了股票，也要有債券和其他固定收益資產。 　　羅伯．席勒──2013年諾貝爾經濟學獎得主，著有《非理性繁榮》 　　→布局國際，比例需比國內股更高。避免投資自己的產業，以免雙重打擊。 　　查爾斯．艾利斯──全球十二大投資領袖終身貢獻獎得主 　　→最重要的是了解自己，根據年齡、收入、支出等資訊，建立專屬組合。 　　傑諾米．席格爾──華頓商學

院Russell E. Palmer金融學教授 　　→投資期間愈長，投入股票的比率就要愈高，以低成本股票指數基金為主。 　　我們將深入了解這些傑出人物的背景、知識及其貢獻，他們提出關於完美投資組合的想法，為當今的散戶投資人與專業經理人提供寶貴見解。 　　無論是散戶或專業經理人，都在追尋對的投資組合， 　　期望能在特定風險下賺取最高預期報酬，因此面臨幾個問題： 　　．分散投資到底所指為何，又為何重要？ 　　．應該投資指數型基金就好，還是要主動管理投資組合？ 　　．選股和市場時機操作有多重要？ 　　．與國內投資相比，海外投資有多重要？ 　　．股票風格的不同，例如小型股和價值股等，有何重要性？

　　．當其他投資人的行為不太理性時，我們應如何投資？ 　　本書將解答上述問題，並綜合10位投資先驅的珍貴洞見，提供更多見解。 　　◎七項最重要的投資原則，助你建立完美投資組合： 　　1. 判斷你在財務規劃上願意投入多少時間和心力。 　　2. 判斷你目前和未來有哪些財務需求。 　　3. 找出你的財務損益舒適區。 　　4. 想一想你的投資哲學、你對於市場的信念。 　　5. 列出你擁有的全部資產、你希望持有的資產。 　　6. 培養對於當前投資環境的認知。 　　7. 避免明顯的投資錯誤。 　　◎16種投資人原型，你是哪一型？ 　　根據風險趨避程度、目前與未來的財富能力、目前與未來的財務需求以及

投資環境，投資人可分為16種類型。本書附有分類測驗，當你找出自己屬於哪種原型，就能建立專屬完美投資組合。 完美推薦 　　Jet Lee／「Jet Lee的投資隨筆部落格」版主 　　林威宇／財報狗行銷經理 　　張遠／「Ffaarr的投資理財部落格」版主 　　雷浩斯／價值投資者、財經作家 　　劉瑞華／清華大學經濟系教授 　　（以上依姓名筆劃順序排列） 國際讚譽 　　「這是一本讀來令人愉快的書，關於如何建立最佳投資組合，這些金融先驅塑造了我們的理解方式。《完美投資組合》巧妙地闡釋了諾貝爾獎得主及重要投資專業人士的生活與智慧，為學者和從業者提供了具有啟發性的見解。」──柏頓．墨基爾（Burto

n G. Malkiel），《漫步華爾街》作者 　　「縱觀歷史，人們一直希望透過對自身資產的管理來保護自己的未來。這本精彩的書描述了一群學者和實踐者，如何在20世紀開發出系統化的方法來實現這個目標。透過探索這些先驅之間的差異，《完美投資組合》提出了一個框架，使我們每個人都能反思自己的投資組合。」──黛安．科伊爾（Diane Coyle），劍橋大學教授、經濟學家、前英國財政部顧問 　　「從馬可維茲開始，深入了解投資組合理論的發展。」──泰勒．科文（Tyler Cowen），美國經濟學家、部落格邊際革命（Marginal Revolution）的主筆 　　「羅聞全與佛斯特講述了十位創新者的故

事，過去50年來，這些創新者在投資領域發起了革命。作者深入研究了他們的個人歷史，並解釋他們的創新如何改善數百萬名投資者的投資體驗。這本有趣的書出色地概述了現代金融的發展。」──大衛．布斯（David G. Booth），德明信基金（Dimensional Fund Advisors）總裁 　　「羅聞全與佛斯特建構了一個『完美組合』，其中包含最詳盡的傳記、相異卻互補的想法，這些想法會讓當今最有思想的投資者獲益良多。本書不僅能幫助個人確定最適合自己的方法，還為機構提供了一個誘人的藍圖，以實現更好的個人化投資方案。」──彼得．漢考克（Peter Hancock），美國國際集團（AIG）前總裁暨執行

長、摩根大通集團前財務長 　　「羅聞全與佛斯特寫了一本關於投資的重要書籍。每個人都應該閱讀《完美投資組合》，以了解諾貝爾獎得主及投資界的思想領袖對於選擇正確的投資組合有何看法。作者出色地運用非技術語言，解釋了這些領袖在方法上的異同。」──茲威．勃狄（Zvi Bodie），美國經濟學家、《投資學》（Investments）共同作者 　　「這本非常有價值的書能引導我們了解現代投資組合理論的基礎，並結合了實現這一切的實踐者的強大見解。完美的閱讀體驗！」──班尼特．格魯布（Ben Golub），貝萊德（BlackRock）投資管理公司首席風險總監 　　「你是否曾想過，有沒有一種更好的投資方式？《

完美投資組合》達成了一項傑出的成就，藉由帶領讀者了解現代投資管理的演變，提供了答案。作者結合了有趣的軼事與豐富的解釋，為投資組合選擇的發展提供了路線圖。本書適合新手及經驗豐富的投資者，它清楚地表明，尋找完美的投資組合是一項引人入勝且永無止境的追求。」──瑪琳．奧哈拉（Maureen O’Hara），美國財務學會（American Finance Association）前主席 　　「如果你能深入一些史上最偉大投資者的腦海中，那會怎麼樣？如果你有一個直接進入他們頭腦的入口，那就太好了。但實際上，想要學會以他們的方式思考，需要多年的努力，或者，你只要讀《完美投資組合》就夠了。」──馬克．里斯（M

ark Reeth），商業內幕（Business Insider）新聞網 　　「羅聞全與佛斯特撰寫了一部現代金融的知識史，書中的採訪包含了具有影響力的學者、深思熟慮的實踐者……《完美投資組合》突出了這些偉大的辯論，為這些想法背後的人們提供了迷人的見解，並提出關於權力的重要問題 以及科學投資方法的局限性。」──丹尼爾．拉斯姆森（Daniel Rasmussen），Verdad Advisers創始合夥人 　　「羅聞全與佛斯特最新出版的《完美投資組合》，內容豐富、值得一讀。」──馬丁．福里德森（Martin Fridson），Lehmann Livian Fridson Advisors首席投

資長 　　「《完美投資組合》提供了關於現代金融演變的迷人視角，讀起來幾乎就像一本故事書一樣，將概念、人物及其對金融業的影響編織在一起。」──梅根．薩索尼斯（Megan Czasonis），State Street Associates常務董事 　　「總而言之，我強烈推薦這本書。我相信新手與經驗豐富的投資者都值得花時間來讀。」──華倫．米勒（Warren D. Miller），部落格CFA Institute Enterprising Investor撰稿人

去個人化實驗進入發燒排行的影片

基於翻譯序列推薦模型於跨領域推薦系統之強化方法

為了解決去個人化實驗的問題，作者王均捷 這樣論述：

若我們有足夠多的歷史資料，就可以用很多不同的方法去建立一個聰明的推薦系統。但在某些情況下，比如一個新的社交媒體平台或電商平台上線時，我們沒有足夠的使用者物品互動資料來建構出好的推薦系統。其中一個強化跨領域推薦（cross-domain recommendation）的解決方案，是藉由將「來源領域（資訊含量較多之領域）」的資料加入「目標領域（資訊量相對較少的領域）」來提升資訊量，然後對「目標領域」進行推薦。本論文採用圖形學習表示演算法，結合改良並善用翻譯序列推薦模型（Translation-based Recommendation，TransRec）的推薦優勢，特化模型訓練時採樣方法、改變翻譯

序列合併方法，並引入貝氏個人化推薦（Bayesian Personalized Ranking，BPR）中負採樣（negative sampling）的概念，訓練得到推薦系統任務導向之表示向量，藉此改善推薦結果。本研究旨在通過改良後的翻譯序列推薦模型「TransRecCross」來強化跨領域推薦效果。驗證本論文的新方法時，使用了 Amazon Review 系列資料集中的其中四個，並在論文最後比較了加入不同比例的來源領域資料後的推薦結果，以驗證本論文提出之方法的可靠程度。

每當孩子傷心時，故事是最好的陪伴

為了解決去個人化實驗的問題，作者SusanPerrow 這樣論述：

94個暖心故事，家庭必備療傷寶典 面對分離、失去、生病，讓故事成為孩子心中的一道光 【華德福故事教育經典】 當孩子面臨分離、失去與生病， 他們的恐懼、不安、疑惑以及傷痛， 都不曾被好好照顧過…… 　　人生終將面對分離與失去， 　　然而我們卻不曾學會該如何面對 　　不論大人或孩子，在人生中的某一刻，我們都必定要與親人、寵物、心愛物品，甚至健康的身體或家園分離……這是人生必經的道路，也是生命中最艱辛的一刻。但是許多人都未曾學會如何面對，更不用說陪伴孩子度過這段傷痛，我們只想掩住他們的眼、捂起他們的耳，殊不知敏銳的幼兒，早已察覺身邊的分離與感傷…… 　　讓「最了解孩子的故事醫

生」， 　　用94個療心故事，開啟親子溝通橋梁 　　分離與失去的傷痛不該被掩蓋與忽視，孩子需要我們解開他們心中的不安與疑惑、恐懼與擔心，才能重新回歸正常且健康的生活。而故事，就是開啟與孩子溝通的橋梁！ 　　澳洲華德福教師、最了解孩子的故事醫生──蘇珊．佩羅，收集、創作94個療癒故事，引領我們學會與孩子對話。用簡單但富含想像力與隱喻的故事，陪伴孩子面對分離、失去、生病時的淚水，讓故事成為成長最好的夥伴。 　　【本書重點】 　　1. 華德福故事教養精髓，用符合孩子心智年齡的方式，一同理解生命的傷痕。 　　各年齡層孩子的心智發展、生活經驗都不相同，因此在面對突如其來分離與失去時，身為家長的我們

常常發覺無法用成人的方式跟孩子解釋。這時候，一個簡單、獨特的「故事」，比起嚴肅的道理與話語，更容易讓孩子理解。 　　2. 故事裡的畫面與想像，能深入孩子的內心、解答他們難以理解的哀傷。 　　故事並不是為了轉移孩子對分離與失去的注意力，而是用他們的語言，來認識生命中必經的體驗。故事中的想像與畫面能深入孩子的內心，用他們能夠理解的方式訴說艱困的經驗。而身為成人的我們，也能在故事蘊含的意義裡找到療癒之光，從而與孩子一同面對失去的傷感。 　　3. 簡單的創作引導，輕鬆開啟故事創作過程。 　　每一位孩子都是與眾不同的，他們經歷的分離與失去場景也有所差異。這時候，一個獨屬於孩子的故事就能夠貼近他的生命

經驗、提供溫暖的支持。然而，對許多家長來說，「創作故事」是最艱難的過程，總認為自己無法勝任這項工作。作者蘇珊・佩羅在書中提供了簡單、容易上手的「故事創作小技巧」，讓每位讀者都能從中獲得靈感，開啟你的故事創作之旅。 　　4. 94個療癒故事、8大暖心主題，家庭必備成長寶典。 　　書中共收錄94個療癒故事，並且提供了8大暖心主題，從失去所愛的人（父母、兄弟姊妹、祖父母）、失去寵物、失去家園、失去珍愛的物品、面臨疾病等等，這些故事完整涵蓋了我們日常生活中可能面臨的分離與失去，讓家長、教師、助人工作者都能在書中找到適合的溫暖故事，支持並陪伴各年齡層孩子甚至成人一起度過難關。 教師、專業人士感動推薦

　　⬘王婉諭 | 立法委員 　　⬘王意中 | 王意中心理治療所所長、臨床心理師　 　　⬘何翩翩 | 牧村親子共學教室負責人 　　⬘徐明佑 | 華德福資深教師 　　⬘留佩萱 | 美國諮商教育與督導博士 　　⬘翁欣妤（V媽）| 宜蘭慈心華德福教師 　　⬘陳志恆 | 諮商心理師、暢銷作家 　　⬘薛曉華 | 台灣另類暨實驗教育學會理事長、淡江大學教授 教師、心理專業人士感動推薦 　　「請享受這本富涵生命溫暖的故事集，為孩子講述這本書裡的每一個故事，讓生命傷痛昇華而成的智慧光芒，充盈於孩子的內在心靈，如滿天星斗。」──徐明佑（華德福資深教師） 　　「這一個又一個故事，不是為了要轉移我們對悲傷的

注意力，而是透過想像力幫助我們理解這種感受，並且度過人生低潮。」──翁欣妤（V媽，宜蘭慈心華德福教師） 　　「你不需要是悲傷輔導專家，透過挑選與講述適合的故事給孩子聽，就能陪伴孩子度過難熬的時光。」──陳志恆（諮商心理師、暢銷作家） 　　「這本書提供了豐富的想像泉源，激勵父母、祖父母、教育工作者和治療師。」──澳洲教育學者、世界未來學會主席 珍妮佛．吉德利（Dr. Jennifer M. Gidley） 　　「作者蘇珊．佩羅是一個值得大家認識與了解的人。我從未遇見像她如此會講故事的人，也未曾與故事有這麼深的連結，相當感動人心。」──心理學家與說故事者 謝林．馬修斯（Sherin Math

ews） 　　「蘇珊．佩羅的書大大的影響了我的課堂，以及我對那些遭遇困難的成人與孩子的想法。」──美國加州教師 凱西．費沙（Kathy Fraser） 　　「蘇珊．佩羅用簡單的方法，傳遞了非常優美而強烈的訊息。說故事給孩子聽，他們將會聽見故事傳遞的智慧。身為家長與教育者，我們都在尋求更溫和且有效的方式，與我們的孩子連結。而這本書對父母，以及需要對兒童發展與兒童個案負起責任的人來說，是必不可少的學習。」──教育心理學家 克莉絲蒂娜．克勞福（Christina Crawford） 　　 　　「蘇珊．佩羅是一個非常有天賦的說故事者，並且將療癒故事的魔力傳達到了世界各地。」──環保主義者與作家 克

里斯．霍蘭德（Chris Holland）  

基於機器學習的模型做喜好推薦應用於W公司媒合平台研究

為了解決去個人化實驗的問題，作者陳建安 這樣論述：

現在是資訊爆炸的時代，在行動裝置與網頁端推出服務越來越多樣化，當我們瀏覽網頁時，輸入資訊搜尋相關資料，同時也會想知道有沒有相關的或是針對我們輸入的關鍵字做出的推薦，如果能利用使用者在網頁或是手機端中留下的資料，追蹤進行蒐集與處理，並以此基礎下做出進一步的喜好推薦。藉由科技發展與創新，有著越來越多的公司與政府單位開始重視數據的運用，政府企業對於數據的來源、收集與整理、以及對演算法模型的預測能力也越來越重視，正因為如此慢慢開始使用自動化機器取代傳統人工的操作去推薦，也期望達到精準的個人化喜好推薦，而加入機器學習的推薦系統，不論是公司或是使用者其實都得到很多好處。有許多人投入推薦的改善與研究，進一

步得到更準確且有效的預測，例如Google、Amazon、阿里巴巴等公司開發的推薦系統搭配雲端運算也能為他們帶來了非常巨大的收益。本研究針對W公司媒合網站後台資料進行資料蒐集、資料處理以及後續分析，運用監督式機器學習商家與網紅的資訊及喜好評分數據來訓練學習，並預測喜好與否，本研究運用多個分類模型做比較，像是支援向量機、隨機森林、邏輯迴歸、極限梯度提升模型與輕量化梯度提升模型，目的在比較和找到最合適的分類器，應用於W公司網站平台，並以此進行分類方法的相關探討與研究，研究結果顯示在我們第三章提到的輕量化梯度提升機準確率有 85.98% 相對第二章提到的其他模型來的更高，也做了交叉驗證平均準確率有

78.57% ，代表該模型具有穩定度對於我們的喜好推薦有良好預測效果。