發表文章

劉任昌商業軟體期末考chatgpt

電子試算表electronic spreadsheet發展歷史 電子試算表的發展歷史可以追溯到20世紀70年代，以下是其主要的發展階段和關鍵技術： VisiCalc（1979年） ： VisiCalc 被認為是第一款商業上成功的電子試算表軟體，由Dan Bricklin和Bob Frankston開發。 它最初運行在Apple II電腦上，改變了人們對於數字計算和商業分析的方式。 VisiCalc 的成功促使了個人電腦在商業應用中的普及，被認為是個人電腦革命的一部分。 Lotus 1-2-3（1983年） ： Lotus 1-2-3 是由Mitch Kapor於1983年推出的電子試算表軟體，由Lotus Development Corporation開發。 這款軟體結合了試算表、圖表和圖形功能，成為當時最流行的商業試算表軟體。 Lotus 1-2-3 的成功使得IBM PC在企業和個人使用中得到廣泛應用，確立了Lotus Development Corporation的市場地位。 Microsoft Excel（1985年） ： Microsoft Excel 於1985年首次發行，最初是為Macintosh平台開發的。 後來，Excel 成為Microsoft Office套件的一部分，並於1987年首次在Windows平台上推出。 Excel 以其強大的計算功能、圖表選項和廣泛的擴展性成為市場領導者，至今仍然是最常用的電子試算表軟體之一。 發展和影響 ： 電子試算表的普及使得數據分析和商業模型的建立變得更加容易和靈活。 它們在財務、會計、統計學和其他領域中被廣泛應用，成為決策支持和報告工具的重要組件。 隨著計算機技術的進步，電子試算表軟體不斷增強其功能和性能，支持更複雜的數據分析和多人協作需求。 總結來說，電子試算表軟體的發展不僅深刻影響了商業和學術領域的數據處理方式，還促進了計算機技術的普及和個人電腦的應用推廣。其歷史發展展示了從最初的個人電腦應用到現代企業信息管理的演進過程。 何謂WPS WPS Office 是一個由金山軟件開發的辦公軟件套件，類似於Microsoft Office。它包括文字處理、試算表和演示文稿等應用程序，可在多個平台上運行，如Windows、macOS、Linux、Android 和 iOS。 何謂CANVA Canva 是一...
2 則留言
閱讀完整內容

劉任昌keyevents期末考

圖片
from tkinter import * def doSomething(event): #print("You pressed: " + event.keysym) label.config(text=event.keysym) window = Tk() window.title('劉任昌期末考') window.bind("<Key>",doSomething) #<, >在網頁表示要使用\<,\> label = Label(window,font=("Helvetica",300),bg='yellow') label.pack() window.mainloop()
3 則留言
閱讀完整內容

劉任昌[串列list](元組tuple){集合set}{字典:dict}

圖片
Bro Code python snake game 劉任昌448 劉任昌449 截圖 在撰寫模式貼上程式碼 from tkinter import * import random GAME_WIDTH , GAME_HEIGHT = 1000 , 800 SPEED = 200     #時間單位千分之一 SPACE_SIZE , BODY_PARTS = 50 , 3 #左邊變數 assigning value一次改全部 ctrl shift L COLOR = [ "red" , "orange" , "yellow" , "green" , "blue" , "indigo" , "purple" , "pink" ] #0123456 FOOD_COLOR = "white" BACKGROUND_COLOR = "black" class Snake : #類別Snake類別1 Snake     def __init__ ( self ):         self . body_size = BODY_PARTS         self . coordinates = []         self . squares = []         for i in range ( 0 , BODY_PARTS ):             self . coordinates . append ([ 0 , 0 ])         for x , y in self . coordinates :             i = random . randint ( 0 , 6 ) #產生整數亂數0到6             square = ca...
39 則留言
閱讀完整內容

劉任昌bro code貪吃蛇import module教育學習網

圖片
https://steam.oxxostudio.tw/category/python/basic/import.html 匯入模組 import Module 在 Python 裡，「模組」是一個存在於任意程式碼中的檔案，任何 Python 的程式碼也都可以當作模組使用，透過 import 陳述式，可以引用其他模組的程式碼，進一步使用其他模組的程式和變數，讓程式更精簡更好維護。 改寫自bro code貪吃蛇 from tkinter import * import random #亂數模組 GAME_WIDTH , GAME_HEIGHT = 1000 , 800 SPEED = 200 #時間單位是千分之一秒 SPACE_SIZE , BODY_PARTS = 50 , 3 #左邊變數 assigning value SNAKE_COLOR = "green" FOOD_COLOR = [ 'pink' , 'yellow' , 'orange' , 'tomato' ] #改成串列可以選擇 BACKGROUND_COLOR = "black" class Snake :     def __init__ ( self ):         self . body_size = BODY_PARTS         self . coordinates = []         self . squares = []         for i in range ( 0 , BODY_PARTS ):             self . coordinates . append ([ 0 , 0 ])         for x , y in self . coordinates :             square = canvas . create_recta...
23 則留言
閱讀完整內容

EXCEL與python執行樞紐分析的比較

圖片
python清除欄位前後的的多餘空白 import csv #輸入csv套件comma separated value file = open('20230525.csv','r')#打開下載的檔案,模式是r讀取, reader = csv.reader(file) #將檔案逐列讀入串列變數csvreader header, rows = [], [] #宣告空白串列(陣列,清單) header = next(reader) #串列header儲存檔案第一列 for row in reader: #檔案接續逐列附加append於rows串列 rows.append(row) #檔案讀到header標題,以及rows串列 file.close() #關閉檔案 rowss=[] #建立一個空的串列 for row in rows: #檔案接續逐列附加append於rows串列 xyz = [] #臨時的列 for col in row: xyz.append(col.strip())#逐欄位除掉右邊空白 rowss.append(xyz) #檔案讀到header標題,以及rows串列 f=open('myfile.csv','w',newline='',encoding='utf-8') w = csv.writer(f) #寫入檔案 w.writerow(header) #寫入標題 w.writerows(rowss) #第7列將檔案內容名稱rows f.close() #關閉檔案
16 則留言
閱讀完整內容

劉任昌Lambda匿名函式google colaboratory

圖片
def x(m,n): #定義自訂函數x newList = [] for i in m: #迴圈將m的元素每個都執行 newList.append(n(i)) return newList #傳回去 m=['串列','劉任昌','川普','拜登','敗家子'] n=lambda y: y + '是變態!' print(x(m,n)) for i in x(m,n): print(i) google機器學習實驗 https://colab.research.google.com/ 教學影片 張量Tensor計算 iframe=frame框
31 則留言
閱讀完整內容

劉任昌拷貝程式碼大語言模型

圖片
WIKI大語言模型 大語言模型（英語：large language model，LLM）是一種語言模型，由具有許多參數（通常數十億個權重或更多）的人工神經網絡組成，使用自監督學習或半監督學習對大量未標記文本進行訓練[ 1 ]。大型語言模型在2018年左右出現，並在各種任務中表現出色[ 2 ]。 儘管這個術語沒有正式的定義，但它通常指的是參數數量在數十億或更多數量級的深度學習模型[3]。大型語言模型是通用的模型，在廣泛的任務中表現出色，而不是針對一項特定任務（例如情感分析、命名實體識別或數學推理）進行訓練[ 2 ]。 儘管在預測句子中的下一個單詞等簡單任務上接受過訓練，但發現具有足夠訓練和參數計數的神經語言模型可以捕獲人類語言的大部分句法和語義。 此外大型語言模型展示了相當多的關於世界的常識，並且能夠在訓練期間「記住」大量事實[2]。 雖然 ChatGPT 為代表的LLM在生成類人文本方面表現出了卓越的能力，但它們很容易繼承和放大訓練數據中存在的偏差。這可能表現為對不同人口統計數據的歪曲表述或不公平待遇，例如基於種族[4]、性別[ 5 ]、語言[ 6 ]和文化群體[ 6 ]的不同觀點與態度。 參考資料 Goled, Shraddha. Self-Supervised Learning Vs Semi-Supervised Learning: How They Differ. Analytics India Magazine. May 7, 2021 [2023-06-08]. （原始內容存檔於2023-06-18）. Manning, Christopher D. Human Language Understanding & Reasoning. Daedalus. 2022, 151 (2): 127–138 [2023-06-08]. S2CID 248377870. doi:10.1162/daed_a_01905. （原始內容存檔於2023-03-09）. Carlini, Nicholas; Tramer, Florian; Wallace, Eric; Jagielski, Matthew; Herbert-Voss, Ariel; Lee, Katherine; Roberts, Adam; Brown, Tom...
3 則留言
閱讀完整內容