股票這個價位要不要買論文書籍站
國立臺北科技大學 環境工程與管理研究所 曾昭衡、陳伶伶所指導 徐韻如的 以機器學習理論建置氣候因子和天氣災害因子與潛在水稻損失預測模型 （2020），提出鴻海FII PTT關鍵因素是什麼，來自於氣候變遷、人工智慧、機械學習、水稻損失、社會科學統計軟體(SPSS)。
而第二篇論文國立臺灣科技大學 工業管理系 王孔政所指導 王琛棋的 科技小蝦米對抗大鯨魚-電子專業製造服務廠強攻工業電腦龍頭寶座 （2020），提出因為有 併購、策略聯盟、企業合作、企業核心競爭力、集團資源整合的重點而找出了 鴻海FII PTT的解答。
以機器學習理論建置氣候因子和天氣災害因子與潛在水稻損失預測模型
為了解決鴻海FII PTT 的問題，作者徐韻如 這樣論述：
聯合國指出21世紀極端的氣候將會更頻繁與廣泛，氣候變遷所造成的災害已成為全人類的安全問題。近年人工智慧(AI)的興起及機器學習(ML)應用，在環境應用方面的影響也不遑多讓。在農產業水稻方面，雖有天氣預測支援農民進行相關防護措施，但突如其來的天災降臨時，造成的水稻損失是逐年增加。若能提早得知天災造成的水稻潛在損失，即能提早做好災前的應變，減少人民財產損失。本研究旨在導入ML之概念，利用ML軟體，如：SPSS，做環境衝擊因數對水稻造成的災害預測及氣候模擬分析。將氣象因子及天然災害因子列為變數，再藉由獨立樣本T檢定及類神經網路進行變數篩選。利用機器學習理論基礎之決策樹進行模型訓練，並使用特徵曲線(
ROC)圖及曲線下面積(AUC)衡量模型的準確度及預測價值，再利用IPCC RCP 4.5預測值進行長短期預測。本研究所得決策樹結果共有四種模式，做為水稻潛在損失之長短期預測使用。在短期預測之結果方面單一月份預測成果和實際值差異過大，但單一事件的預測結果卻很精準，水害可使用模式一；寒害可使用模式三；病蟲害可使用模式二。而在長期預測分析結果共有兩部分：第一部分(2020)結果得知，預測值與實際值差異率為83%。相較於以觀測值進行水稻潛在損失金額的預測結果優，表示此模式適合以未來氣象預測值進行水稻潛在損失的預測。第二部份(2017-2019)結果得知，預測值與實際值差異率為68%。兩部分之結果相差
15%，代表以一個時間區段進行水稻潛在損失的預測結果較佳。農委會或農糧署等相關單位應可根據不同目的（短期、長期預測）進行本論文模式一至四之選擇。短期（月預測）可依災害類別如：水害使用模式一、寒害使用模式三、病蟲害使用模式二；而長期（年預測）預測亦可使用模式一。
科技小蝦米對抗大鯨魚-電子專業製造服務廠強攻工業電腦龍頭寶座
為了解決鴻海FII PTT 的問題，作者王琛棋 這樣論述：
工業電腦產業為典型多樣少量、高邊際價值的產業，極具潛力，惟其經營須具備高度彈性與調整能力。本文以個案研究方式進行，描述工業電腦產業中之個案公司，其專業經理人如何將一家工業電腦公司轉虧為盈並強化其核心競爭力。研究過程中，觀察到個案公司歷經了兩個不同的改革階段：（1）：建立內部核心競爭力(Case A)；（2）藉由與合作夥伴相互合作來擴大其核心競爭力(Case B、Case C)。在第一階段中，本研究觀察到個案公司採用「精實管理」在生產線上進行快速換線，成功地提升生產力和效率，而快速換線正是 EMS（Electronic Manufacturing Services；電子專業製造服務）廠轉進工業
電腦產業所面臨的主要挑戰之一。此外，本研究發現個案公司通過選擇「中量中樣」訂單規模作為利基市場、篩選合適的客戶以及整合集團內部的資源以降低採購和製造成本，成功地重新校準了該公司的原有的業務模式。至於第二階段的改革，本研究觀察到個案公司精心選擇合適的合作夥伴並以策略聯盟和併購的形式進行策略佈局規劃整合，不僅提高了公司的股價，而且使得個案公司在營收上超越了其所設定的標竿公司。除了探討上述個案公司成功的關鍵因素之外，本論文亦討論了在進行策略聯盟和併購上進行策略佈局決策的重要性，以期作為致力於鞏固核心競爭力和利用企業合作作為基礎並擴大整體核心競爭力的企業作為參考。