線上查詢信用評分的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明?

為了解決線上查詢信用評分的問題，作者PedroDomingos 這樣論述：

★亞馬遜AI與機器學習類暢銷榜　第1名 ★亞馬遜數學與統計類暢銷榜　第1名 ★亞馬遜資訊理論類暢銷榜　第1名 ★CNN、《新科學人》、《經濟學人》、《柯克斯書評》等多家媒體推薦報導 ★比爾．蓋茲年度選書！ 　　揭開大數據、人工智慧、機器學習的祕密， 　　打造人類文明史上最強大的科技——終極演算法！ 　　有一個終極演算法，可以解開宇宙所有的祕密， 　　現在大家都在競爭，誰能最先解開它！ 　　．機器學習是什麼？大演算又是什麼？ 　　．大演算如何運作與發展，機器可以預測什麼？ 　　．我們可以信任機器學過的東西嗎？ 　　．商業、政治為什麼要擁抱機器學習？ 　　．不只商業與政治，醫學與科學界也

亟需機器學習，包含DNA解碼、癌症藥品開發等。 　　．你擔心人類會被大演算所取代嗎？可以避免嗎？該如何做？ 　　華盛頓大學電腦工程系教授佩德羅．多明戈斯（Pedro Domingos）破解了一個在機器學習領域中長久以來的瓶頸，成功把機器學習、哲學與人工智慧結合起來，這個突破性研究還登上了《新科學人》（New Scientist）雜誌的封面故事。 　　他指出，機器學習有五大思想學派，每個學派有主要的演算法，能幫我們解決特定的問題── 　　．符號理論學派：將學習視為是逆向演繹法，從哲學、心理學和邏輯思路方面取得概念 　　．類神經網路學派：導傳遞演算法可以模擬人腦思考行為，是受到神經科學和物理學

的啟發 　　．演化論學派：遺傳程式規劃會在電腦上模擬演化，澈底運用遺傳基因和演化生物學理論 　　．貝氏定理學派：相信學習是機率推理的形式，是根據統計學的理論 　　．類比推理學派：支持向量機從相似度判斷進行推論學習，並受到心理學和數學的影響 　　多明戈斯認為，如果有人可以成功整合這些演算法的優點， 　　就能發展出「終極演算法」，便可以從大數據與人工智慧中， 　　獲得世界上過去、現在與未來的所有知識，將創造新紀元的文明。 　　站在大數據與文明終將合一的浪潮上， 　　終極演算法將帶領我們，望見未來。 　　【為什麼你必須知道大演算？】 　　◎如果你是一般市民或決策人士 　　讓你了解大演算的來龍

去脈，從隱私到未來的工作與機器人戰爭的倫理， 　　你將會看到真正的問題在哪裡，並思考如何看待這些問題。 　　◎如果你要把機器學習運用在工作上 　　不管你在哪個行業、什麼職業別，機器學習能幫你省下人工編寫程式的費用， 　　避免資訊系統僵化，並預測未來你會面臨的科技發展， 　　甚至讓你成為精準的市場分析家、解讀大數據的科學家。 　　◎如果你是科學家或工程師 　　過去的數學和現有資訊學習與數據分析，不會讓你有任何改變。 　　機器學習將讓你具備非線性分析，帶給你嶄新的科學世界觀，有所突破。 　　◎如果你是機器學習專家 　　雖然你應該很熟悉機器學習，但本書仍會提供給你許多新的想法、 　　機器學習發

展史上有價值的資訊、有用案例與類似的情境， 　　甚至提供給你機器學習的嶄新觀點，啟迪你全新的思考方向。 　　◎如果你是任何學齡階段的學生 　　目前世界各地極度缺乏機器學習專家，這是現在也是未來最受關注的領域。 　　未來，不只局限現有的資訊工程、電機工程等相關科系， 　　無論是醫學、醫工、生物科技、行銷、電商、社會、心理、哲學、教育、財經等各科系， 　　機器學習終將與這些領域整合，現在了解大演算，你就不會被趨勢潮流所淘汰。 專業推薦 　　王國禎｜交大資工系系主任 　　林泰宏｜前臺灣微軟合作夥伴技術支援顧問 　　林蔚君｜亞洲大學副校長 　　張宗堯｜美商凱博數據創辦人／總經理 　　陳明義｜資策

會技術長／大數據所所長 　　陳縕儂｜美國微軟研究所研究員 　　趙坤茂｜臺大資工系系主任 　　謝孫源｜成大資工系特聘教授兼系主任 　　簡禎富｜清華講座教授暨清華-台積電卓越製造中心主持人 　　「大至預測變化萬千的商業潮流的走向，到小至預知是否能成功約到心儀對象，都屬於《大演算》的範疇。本書作者以極盡生動活潑的闡述及例子，與讀者分享如何將機器學習演算法應用於日常生活中，甚至可以應用於學習治療癌症。」──交大資工系系主任　王國禎 　　「我們生活在一個充滿數據與機器學習的環境。無論是在網路或實體世界，我們的一舉一動，隨時隨地被記錄和分析。數據分析，知識精煉與學習精進的能力，對人類、企業、社會、環境

及臺灣的經濟發展都很重要。訪間大數據的書雖然已有不少，但對機器學習的處理大都一筆帶過。佩德羅．多明戈斯在這本書中，不但將深奧的機器學習概念，以深入淺出的方式，介紹給非專業的讀者，同時也以清楚的內容，滿足專家深入了解的需求。」──亞洲大學副校長 　林蔚君 國際好評如潮 　　「作者多明戈斯專業與熱情筆觸，讓這本書極具可讀性。」──《新科學人》（New Scientist） 　　「《大演算》研究與統整了機器學習領域的五大主流技術……內容豐富，主題發人深省。作者透過適時深入淺出的巧妙介紹手法，讓我們很快汲取精髓觀念。」──《經濟學人》（The Economist） 　　「隨著『機器學習』和『大

數據』經常登上頭條新聞，有關於這類的主題，不乏充斥炒作話題的商業書籍，以及還有一些過於技術導向的教課書，使得較難理解。對於普羅大眾來說，不管事從經理主管到大專院校學生，這是一本理想的書籍，真正展現了為什麼不用透過沉重的數學演算，就能明白機器學習如何運作。不同於其他書籍只是浮誇宣稱一個光明的未來，這本書實際上給你需要了解的知識，並且明白即將到來的變化。」──Google研究總監 彼得．諾維格（Peter Norvig） 　　「這是一本令人愛不釋手的書，由在這創新領域的領導專家所著。如果你想知道新世代人工智慧將如何改變你我未來的生活，就閱讀這本書吧！」──Google研究員、無人駕駛車發明人 塞

巴斯蒂安．史朗（Sebastian Thrun） 　　「一開始便大膽主張所有知識都可以透過一個單一的『大演算』，從數據資料中分析推論得出，多明戈斯透過明快節奏的說明歷程，帶領讀者進入這華麗全新的機器學習世界。輕鬆的寫作筆法卻深具威信，多明戈斯是一位完美的嚮導，從書上你將會學到一切你需要知道關於這個令人振奮的領域，以及有關科學與哲學的大量闡釋。」──微軟研究院首席研究員、《6個人的小世界》（Six Degrees）與《為什麼常識不可靠？》（Everything Is Obvious）作者 鄧肯．華茲（Duncan Watts） 　　「電腦科學的聖杯就是一種可以教導自己學習的機器，如同我們人類

一樣，從經驗中獲取知識。機器學習可以幫助我們從事每一件事情，從治療癌症到建立人形機器人。佩德羅．多明戈斯揭開機器學習的神祕面紗，並充分展現未來是多麼令人驚奇與振奮人心。」──《賈伯斯傳》（Steve Jobs）作者 沃爾特．艾薩克森（Walter Isaacson） 　　「機器學習是一種最具變革性的技術，將在未來15年裡，塑造人類的嶄新生活。這是一本必讀之書──一個用詞大膽、文辭優美的新框架，帶領我們展望美好的未來。」──《跨越鴻溝》（Crossing the Chasm）作者 傑弗里．墨爾（Geoffrey Moore） 　　「這是一本非常重要且實用的書籍。機器學習已經是你我生活與工作的

關鍵，且對未來的影響只會變得日益加遽。終於等到佩德羅．多明戈斯以清晰易懂的方式寫出關於這方面的著作。」──貝伯森學院（Babson College）特聘教授、《決勝分析力》（Competing on Analytics）與《大數據@工作力》（Big Data at Work）作者 湯瑪斯．戴文波特（Thomas H. Davenport） 　　「機器學習正在改變世界，被廣為人知的是運用在商業的預測分析。這本引人入勝、廣泛深遠，並啟發靈感的書籍，將深奧的科學概念，不只是介紹給非專業的讀者，也滿足專家嘗鮮的閱讀需求，深刻的觀點揭露了最有前景的研究方向。這真是一顆堪稱罕見的寶石。」──預測分析世界

大會（Predictive Analytics World）創辦人、《預測分析時代》（Predictive Analytics）作者 艾瑞克．席格（Eric Siegel） 　　「機器學習是個迷人的世界，之前卻鮮少被外人看上一眼。佩德羅．多明戈斯透過書中五大學派的語法，傳授你神祕的語言，並邀請你參與他的整合學派計畫，打造人類文明史上見識過最強大的科技。」──普林斯頓教授、《連結》（Connectome）作者 塞巴斯蒂安．升（Sebastian Seung） 　　「一本充滿專業熱情，而不是概略介紹機器學習的書……內容清晰易懂、理論與實務講解兼具……具有智慧、遠見和學術價值，多明戈斯完整詮釋科

學家如何開發程式，讓電腦可以自我教導。你將會發現許多令人著迷的創見。」──《柯克斯書評》（Kirkus Reviews） 　　「這是劃時代突破性的電腦科學，開始展開一場令人振奮的全新冒險旅程。」──《書目》（Booklist） 布萊斯．克理斯坦森（Bryce Christensen） 　　「多明戈斯絕對是一位親切且有趣的知識導師，他能用最淺顯易懂的語言，通透解釋這些艱澀難懂的機器學習理論學派知識領域，協助初學者快速領略這演算法，可謂近幾十年來難得的經典之作……這是一本理論完整與實務說明詳實的書籍，不僅能滿足單純好奇的初學讀者，更是適合早已具備基本機器學習領域知識的專業人員，更能融會貫通此領

域的重要神髓。透過每一篇章的學理翔實描述和討論，淺白解釋難懂的術語，以及提出明確與易於理解的實例，這些努力都是本書最值得推薦讚揚之處。」──《英國泰晤士高等教育專刊》（Times Higher Education） 　　「《大演算》澈底勾勒我們眾人從沒看到或人心未曾思想過的嶄新世界，並對我們的日常生活產生難以抹滅的巨大影響。」──《讀者的書意識》（Shelf Awareness for Readers） 　　「這真是令人驚訝且博學、幽默、易讀易懂的入門書。」──大數據分析網站 KDNuggets  

線上查詢信用評分進入發燒排行的影片

營利事業所得於財務會計與稅務會計之爭議－兼論司法院釋字第650號解釋及第657號解釋

為了解決線上查詢信用評分的問題，作者李文樑 這樣論述：

所得，是稅捐客體，也是課稅之標的，所得在財務會計及稅務會計上之概念有所不同。於財務會計上，所得係指會計所得，也稱之為財務所得，係根據營利事業於特定期間所發生之經濟交易事項產生之收入總額減去各項成本、費用、損失後之餘額；而稅務會計上所稱之所得，係依照財務會計一般公認會計原則所計算出之會計所得，並調整必要之永久性差異及暫時性差異後之結果，稱之為課稅所得，從而彼此間始終一直存在著差異。而所得於衡量上可分為核實計算、核定所得與推估所得，其中以核實計算為主要衡量方法，也是目前被多數營利事業所採用；而核定所得與推估所得都是一種所得額計算之權宜方式。所得之構成要件有收入、成本、費用與損失，亦稱之為稅基，每

一種稅基在財務會計與稅務會計上都有不同認列與處理方法。以收入而言，可分為營業收入與非營業收入，而就非營業收入中，利息收入和其他收入更是實務中常見的稅務爭訟項目。利息收入和其他收入於財務會計上之認列，以權責發生制為依據，然而在稅務會計上，利息收入可能有無需計入課稅所得者，如免稅利息收入、分離課稅利息收入，也有需額外計算增加課稅所得之利息收入，如設算利息收入；其他收入如本文所討論之應付費用轉列其他收入。因稅基是所得的構成要件，但凡涉及租稅構要件者，都必須有法律明文加以規定，限縮稅捐稽徵機關之解釋權，不得使之任意擴張解釋，更不得任意以實質課稅原則加以課處，租稅法律主義含括了法之安定性、預測可能性及可

計算性等特性，俾保護納稅義務人之財產權。由於設算利息收入及應付費用轉其他收入等情事，皆有營利事業不服稅捐稽徵機關之處分而提起行政救濟，最終因救濟未果而提起司法院大法官釋憲，因此分別做成司法院釋字第650號解釋及第657號解釋，宣告上開情事之規定因違反租稅法律主義而違憲失去效力，以致立法機關最後將上開情事分別增訂於所得稅法第24條之3及第24條第2項，將其位階自行政命令提升至法律保留，以符合上開司法院釋字之解釋意旨；惟美中不足的是，雖然取得了法律保留之地位，符合形式合法化，然而卻也產生實質正當性不足的問題。僅有形式合法化但實質正當性不足，倘若國家高權仍係僵化的依法行政、依法審判時，勢必產生一定程

度之弊害。是以，本文認為除符合形式合法化之外，同時亦須符合實質正當性，就所得稅法第24條之3及第24條第2項重新加以審查、修訂，使其概念得以更加具體明確，俾利充分保護納稅義務人。

SQL Server 2005 OLAP線上即時分析(附光碟)

為了解決線上查詢信用評分的問題，作者尹相志 這樣論述：

．資料倉儲與OLAP：循序漸進的介紹，將多維度資料倉儲建置與OLAP技術完整呈現。 ．動態多維度分析：藉由Cube精靈，進而了解OLAP可依資料庫中不同的構面，分析其關聯性，產生動態且即時的報表，支援管理決策。 ．複雜計算快速查詢：透過MDX語法講解，管理者可使用OLAP線上分析模組，根據不同變項的考量，執行資源配置及趨勢分析等複雜計算。 ．透析應用模式：以實務演練來充分運用OLAP運算效能、資料模型、資料安全及擴充彈性等特性，來達成企業決策支援的使命。 本書特色 　　《SQL Server 2005 OLAP線上即時分析》透過SQL Server 2005 Analysis Servi

ces線上即時分析的技術，針對資料倉儲進行快速的複雜分析，可提供企業做為決策的參考與依據。作者以豐富的實務經驗，對多維度倉儲資料分析進行深入探討，使資料庫開發者能夠有效運用OLAP，分析出有價值的資訊，提昇企業競爭力。 作者簡介 尹相志 　　現任亞洲資採資深採礦顧問、微軟商業智慧講師；曾擔任Microsoft SQL Server 2005、SPSS Clementine、IBM Intelligent Miner等資料採礦工具講師。 　　有多年資料採礦、資料倉儲、顧客關係管理以及信用評分卡實務經驗，協助過中國信託、萬泰商銀、復華銀行、中華商銀、康健人壽、大都會人壽、和信電訊、HOLA特力和樂

等企業導入商業智慧專案；網路問卷調查系統－ISS及網路收視率即時調查系統－iRate之研發者（SuperPoll數博網）。 　　第26屆國際化學奧林匹亞世界銀牌、第八屆李遠哲獎學金得主，並獲選為微軟「最有價值專家」(Most Valuable Professional；MVP)。 第01章　資料倉儲與多維度分析 第02章　統一維度模型 第03章　一般維度設計 第04章　時間維度設計 第05章　基礎Cube建置 第06章　設定量值群組與維度關係 第07章　導出成員與MDX Expression 第08章　MDX Statement與MDX Script 第09章　關鍵績效指標K

PI設計與管理 第10章　商務智慧範本 第11章　動作 第12章　設計、處理與管理儲存體 第13章　跨國商業智慧 第14章　權限設定 第15章　多維度分析應用開發 第16章　資料驗證與完整性 第17章　OLAP資料採礦 第18章　轉移升級為 Analysis Services 2005 第19章　Excel 2007商業智慧分析 　　自資料倉儲的觀念於1988年問世以來，商業智慧已成為現代化企業不可或缺的管理工具，在其中多維度分析正是與前端使用者最密不可分的項目，運用友善而彈性的分析平台，提供了決策者高回應速率以及高品質的營運資訊。 　　自Microsoft於1998

年推出的SQL Server 7.0首次加入多維度分析功能自今，短短三年的時間就成為全球市場佔有率最高的多維度分析平台，因此睽違五年的SQL Server 2005改版，其全新的物件架構以及彈性的功能，更勢必引起商業智慧界的另一波新高潮。 　　不過對於初學者來說，熟悉了Analysis Services 2000的設計流程後，難免對於全新的設計概念與實作感到陌生害怕，還記得首次拿到SQL Server 2005 Beta1的那天，那種迫不及待安裝，同時為了改版功能感動莫名的心情，也希望能夠透過本書傳遞給各位讀者。 　　對於Analysis Services 2005來說，多維度分析已經不再是單

純的資訊工具，同時也賦予它更多管理、分析以及預測的功能。有鑑於目前市面上相關的教材與資源不多，而大多數現存的文件也都是偏重在IT面的教授，因此筆者在撰寫此書的同時，也根據自身過往的實務專案經驗，除了較為枯燥的介面操作與理論之外，添加了更多商務上分析與管理的邏輯與範例，讓商業智慧不但只有資訊系統有「智慧」，更希望能夠更融入各位實際的「商業」場景之中。 　　本書大體上分為三大部分，首先是從資料倉儲與多維度分析的簡史與市場現況做出發，介紹基礎資料結構與維度設計。 　　接著，則是從資料面出發，詳述Analysis Services 2005所提供的分析功能，包括量值群組與維度關係、MDX、關鍵績效指標

(KPI)、商務智慧範本一直到跨國商業智慧等。 　　最後，則是涵蓋多維度分析管理、開發以及前端使用者應用的議題，讓資料庫管理人員、系統開發人員以及前端使用者理解如何透過自身熟悉的方式，享受Analysis Services 2005帶來的新世代分析威力。 　　本書終於在被專案填滿的時間內完成了，感謝微軟產品經理黃淑翠小姐的協助，提供關於SQL Server 2005許多相關的協助與資源，同時要感謝一起合作的SQL Server 講師群：胡百敬、楊自強、錢曉明以及姚巧玫老師們，沒有大家一起為SQL Server 2005解碼探祕的過程，無法造就本書的豐富內容。 　　同時也要感謝亞洲資採的所有顧問

們，我們一起並肩作戰完成了許多成效卓著專案，這些輝煌的戰史，有讓我們對於在商業智慧這個領域努力有更堅定的信念，因為你們，本書才能夠朝向完美的目標更邁進一步。 －尹相志

催收作業對呆帳戶繳款行為之影響-以銀行雙卡客戶為例

為了解決線上查詢信用評分的問題，作者林政杰 這樣論述：

2006年台灣發生了「卡債風暴」，也就是信用卡、現金卡呆帳暴增，造成台灣的銀行2006年虧損74億元，銀行委外催收卡債引發卡債族逃債、燒炭自殺等社會問題 (蔡介文，2007) 。主因係銀行浮濫發卡、持卡人過度消費、擴張信用，逾期放款餘額暴增並大量轉銷呆帳。雙卡風暴後，政府陸續採取多項措施整頓市場，致信用卡發卡量下滑，直到2010年開始止跌。 雙卡客戶之延滯繳款時間拖的越久仍未繳款時，銀行將依規定進行轉銷呆帳，以降低逾放比率。孫曉玲(2005)表示持卡人逾期還款將是銀行呆帳大增的一大隱憂。因此，發卡銀行無不致力於強化其催收機制。經觀察過去文獻多偏向探討影響雙卡客戶違約繳款之重要因素，以

提供銀行經營管理與風險控管之參考。本研究有別過去文獻，乃藉由探討雙卡呆帳之催收作業、不同人口統變項及繳款行為之間是否有差異關係，希望透過本研究分析結論擬定出雙卡呆帳之催收策略。 本研究係以台灣之某金融機構經去識別化之雙卡呆帳戶中，針對近二年(2018~2019)有無繳款行為之案件，採隨機抽樣方式抽取16,776件為研究對象，並利用交叉分析及卡方檢定之研究方法進行資料分析後，其重要研究結果顯示:1.雙卡呆帳戶之「性別」、「年齡」、「學歷」、「現居地」、「居住種類」、「行業別」、「職務別」、「年收入」、「最高授信額度」、「欠款金額」、「轉呆經過年度」11個變項與繳款行為有顯著差異。此結果與張

芳晴(2019)學者的觀點一致，其研究結果係以「性別」、「年齡」、「學歷」及「轉呆經過年度」對轉呆後還款態樣具有顯著地影響。2.信用卡呆帳戶之「性別」、「年齡」、「婚姻狀況」、「學歷」、「現居地」、「行業別」、「職務別」、「年收入」、「最高授信額度」、「欠款金額」、「轉呆經過年度」11個變項與繳款行為有顯著差異，僅「居住種類」無顯著差異。此結果與前項雙卡之分析結果大部分一致，信用卡之「婚姻狀況」較雙卡不同，呈現有顯著差異，以已婚居多。3.現金卡呆帳戶之「性別」、「年齡」、「學歷」、「現居地」、「居住種類」、「行業別」、「職務別」、「年收入」、「最高授信額度」、「欠款金額」、「轉呆經過年度」、「

申請區分」、「得知管道」、「資金用途」、「雇用類型」、「收入類型」、「辦卡時貸款金額」17個變項與繳款行為有顯著差異，僅「婚姻狀況」無顯著差異。 最後本研究分別針對預防呆帳、催收管理及催收策略等不同面向，歸納出不同之催收建議，期能提供金融業執行雙卡呆帳催收作業之參考，以利加速銀行挹注呆帳之債權回收。另對後續研究者提出可透過增加研究之變項等四項建議以提升研究價值。