.
我面前的綱琴,是給我彈《瑪莉有隻小綿羊》的工具;郎朗面前的鋼琴,卻是譜出一首又一首動人樂章的神器。同學,你手上的計數機,只是一台算盤,還是一部「搶分神器」呢?
.
以最短時間,保住最多分數,就是速效。
.
參考八大DSE官方試卷:樣本試卷 (Sample Paper) 、練習卷 (Practic...
.
我面前的綱琴,是給我彈《瑪莉有隻小綿羊》的工具;郎朗面前的鋼琴,卻是譜出一首又一首動人樂章的神器。同學,你手上的計數機,只是一台算盤,還是一部「搶分神器」呢?
.
以最短時間,保住最多分數,就是速效。
.
參考八大DSE官方試卷:樣本試卷 (Sample Paper) 、練習卷 (Practice Paper) 、2012年至2017年Past Paper以及坊間頗有名氣的模擬試卷,嚴選出「45大搶分題型」。
.
唔夠時間溫,你更應該要策略搶分!
.
課程入口:
http://hermantomath.skx.io
.
《我要數學搶分神器》卷二 課程適合以下六類學生:
1. 做MC很慢
2. 沒時間追趕基礎,只想搶分
3. 經常有careless mistakes
4. 不知入什麼Program最好
5. 已經入好Program,但仍然低分
6. 不懂用盡計數機內置功能
.
課程完結後,你能夠:
快 – 最起碼能夠每1分鐘搶1題
狠 – 完全不靠數學知識搶分
準 – 減低無端白事不小心出錯的情況
.
課程大致內容分為:
1. 終極推介12大搶分Program
2. 計數機屈機搶分全攻略
3. 搶分神器練習場
.
經歷無數考試的你,有沒有客觀地分析過考試的本質?從而想出應對考試的策略?調整應對考試的心理質素?
.
雖然升讀大學取決於香港中學文憑考試 (DSE) 成績,但DSE考試並非拔尖的入學試,而是將學生按能力分級的程度試。若然你清楚DSE具此本質,你便會明白為什麼DSE雖為中六考試,卻仍有不少初中程度的題目,還有近一半「攞分唔使識得計」的多項選擇題,手持計數機便能夠光速取得答案。
.
這個事實隱含兩個啟示:
.
你不需要追到中六程度,才有好成績。難題的一分計一分,淺題的一分都是計一分。若然你追得上中六程度,卻忘了初中基礎概念,你的分數與只追得上中三至中四程度的考生,不會有太大分別。
.
唔夠時間溫,要策略搶分!
.
教學內容:
Program Configurations (按指示輸入計算機程式):
入Program (Part 1)-(19分鐘)
入Program (Part 2)-(10分鐘)
入Program (Part 3)-(11分鐘)
入Program (Part 4)-(7分鐘)
.
Program Applications (練習使用計算機程式獲取正確答案,合共45種題型):
xyz化簡 -(9分鐘)
xyz次方 -(6分鐘)
變 ( ) -(13分鐘)
sin cos tan化簡 -(9分鐘)
xyz分數 -(12分鐘)
sin cos tan圖 -(8分鐘)
標準差 SD -(4分鐘)
i -(10分鐘)
有規律一粒粒 -(12分鐘)
循環小數 -(3分鐘)
2條式2個xyz -(9分鐘)
比率 : -(9分鐘)
因式factor -(6分鐘)
1個圓1條直線 -(13分鐘)
圓方程D,E,F -> h,k,r -(11分鐘)
三角形4心 -(4分鐘)
三角形搵邊搵角 -(19分鐘)
外點求切線(tangent) -(8分鐘)
斜率求切線(tangent) -(4分鐘)
排隊 -(5分鐘)
2點成直線 -(13分鐘)
數據更新 -(15分鐘)
變換主項 -(9分鐘)
恆等式 ≡ (聰明代入) -(12分鐘)
不等式 < > -(8分鐘)
餘數 -(4分鐘)
an an+1 輪迴 -(10分鐘)
地圖 雷達 -(19分鐘)
進制 -(21分鐘)
FMLA 01 二次方程 -(19分鐘)
開方數 -(11分鐘)
Log -(7分鐘)
Log圖 -(9分鐘)
線性規劃 陰影區域 -(10分鐘)
A.S. 搵a,d -(11分鐘)
標準分 Standard Score -(3分鐘)
餘數(聯立) -(3分鐘)
二次方程 αβ -(14分鐘)
拋物線頂點 -(12分鐘)
軌跡 Locus -(4分鐘)
恆等式 ≡ (萬能對碰) -(12分鐘)
% -(14分鐘)
利息 -(9分鐘)
A.S., G.S. 等差等比 -(20分鐘)
an an+1 an+2輪迴 -(7分鐘)
.
杜氏數學 = 真·完美戰績 + 考試專家:
新制中六DSE: (2016+2017)
數學 (Mathematics) -------------------------------- 5**
微積分與統計 (Calculus and Statistics) ------ 5**
代數與微積分 (Algebra and Calculus) -------- 5**
.
舊制中七高考: (2011)
純粹數學 (Pure Mathematics) ------------------ A
應用數學 (Applied Mathematics) -------------- A
.
舊制中五會考: (2009)
數學 (Mathematics) -------------------------------- A
附加數學 (Additional Mathematics) ----------- A
線性規劃計算機 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
AI、物聯網和混合雲是未來 IT 的三駕馬車嗎?
上午1:00:00
3S Market 資訊中心
RFID世界網
想打造這個技術聯盟,唯一的手段就是藉助一種混合多雲平臺。但那又是什麼樣子的呢?
未來的資訊科技系統,日益專注於資料在哪裡生成和處理、資料如何提供和收集,以及這些資料移動起來有多快。找到一條最高效的路徑是關鍵。
兩個最重要的趨勢是物聯網和人工智慧(AI),兩者相輔相成、密不可分。簡單來說,物聯網就是眾多裝置交換,來自眾多資料點的資料,這些資料在眾多平臺上,以眾多方式來加以收集。這些資料要迅速分析,在大多數情況下,要傳送到下一個層面以便進一步處理。
與此同時,AI就是以程式設計方式處理這些大數據,做出即時的、對時間敏感的決策。要打造這個技術聯盟,唯一的手段就是藉助一種混合多雲平臺。為AI和物聯網提供最高效路徑的混合IT基礎設施的幾個要素,成為了將帶來商業優勢、創新和未來「雲中雲」(cloud of clouds)的那些技術的基礎。
物聯網和計算邊緣
我們身邊好多裝置,在被認為是現代企業和消費者空間的邊緣這個地方,收集、分發和處理資料。更進一步,所有這些資料必須在立即控制範疇之外的空間,迅速加以分析、收集和傳輸。
這番努力需要滿足異常苛嚴的要求:分散式收集和儲存最接近資料來源的資料。
這意味著,物聯網邊緣和這些系統中發生的計算事件,是自動化及其他新興趨勢的焦點。這些元素是未來計算架構,進一步創新的主要催化劑,那是由於日益智慧化、互動式的裝置數量激增,邊緣在不斷外延。
物聯網的邊緣必須通過可以驗證、建立和拆除連線的分散式連線,呈現實時事務,沒有中央控制機制。至少,基本原則對延遲,開始帶來操作問題之前資料,可以移動到多遠作了限制。邊緣即切實可行的邊緣有多遠?
協同運作,這背後的邏輯完全是AI。資料生命週期、資料流動、資料分類、報告和物聯網的無數方面是由AI的智慧決定的。
AI無所不在
AI不是好萊塢電影,希望我們相信的那樣,是一些自我感知的機器人,但它可能似乎直接來自科幻作品。現在,AI技術早已遠離了初期的炒作階段;想要找到它,你得認識到這點:這種技術旨在學習、適應和辨識模式,並大規模地模擬人類智力。
你要做的就是看看外面的自動駕駛汽車:從全自動汽車到飛機上的自動駕駛系統,它們能在片刻之間做出智慧化決策。
AI和物聯網是共生關係,瞭解兩者之間的關係非常重要。AI需要海量的計算能力才能執行,而在許多情況下,這個要求只能透過裸機計算能力來得到實現。
速度和效能很關鍵,因為瞬間所做的決策生死攸關。此外,AI引擎做出的決策要迅速而準確地,反饋回給物聯網裝置。這方面的例子包括如下:
1. 無人駕駛的自動駕駛系統,可以檢測挽救生命的情況(比如洪水),重新規劃交通路線、發出警報,避免事故。
2. 醫療裝置可以自動為病人心臟除顫,向最近的醫院傳送急救訊號。
3. 自動化農業聯合收割機可以避免撞上走散的動物或牛群,及時提醒農民。
4. 信用卡詐欺檢測。
5. 來自視訊服務的點播推薦。
蘋果的Siri技術和亞馬遜的Echo生態系統,做出超快速的決策,決策在端點上體現出來。
這樣的例子還有很多。從上述例子中可以看到,AI不僅要求速度快,還需要大量資料,而AI系統將以程式設計方式,處理海量資料,從而做出即時決策。AI竭力實現程式化推理和自我糾正,最終實現學習。企業環境下,具有無限的潛在優勢和好處。
其中,AI能夠:
1. 幫助減少整個企業組織的人為錯誤
2. 管理大量資料
3. 傳送員工的工作流程
4. 支援公司企業的數字化轉型
5. 大大有助於提供無縫的客戶體驗
AI技術日益通過第三方軟體,和現有軟體工具中的功能被引入進來。AI和物聯網設計成為了企業的藍圖。
混合多雲帶來顛覆
要是缺少一種支撐性的平臺和架構,物聯網和AI根本不可能融合。這時候,混合多雲有了用武之地。所有公司(甚至是從事同一行業的公司)展現了獨特的技術基因,這種技術基因是為各自的業務要求和發展情況打造的。
混合多雲是一種顛覆性的技術發展和商業機會。想了解這個顛覆力量,就要了解混合模式、物聯網和AI之間的關係。
混合雲平臺為物聯網-AI環境帶來了諸多最關鍵的優勢,其中包括:
各種形式的儲存:混合云為AI和物聯網的構件度身打造,可能有眾多不同的儲存層,比如即時、歸檔、冗餘和分散式等儲存層。沒有哪一個雲能做到這點。儲存的資料可以由AI引擎快速、程式化地訪問,並透過機器學習逐漸加以豐富。
比如說,你可能使用AWS S3儲存來進行歸檔,使用異地SAN儲存來滿足高效能要求。
通過為AI關聯各個資料來源,迅速處理資訊,迅速豐富資料:資料在裸機上處理起來速度最快(因為障礙最少),並在這個核心與伺服器的原始處理能力之間跳轉。裸機伺服器叢集仍是AI處理的最佳構件。
為應用程式提供定製的安全性:確保應用程式安全是企業的一項重要使命,在集中式場景下尤為如此。歸根結蒂,最近新聞媒體上的安全洩密事件與使用者未妥善使用AWS系統有關,因而暴露了祕密資訊。
從根源來分析諸如此類的安全事件,許多程式缺口(procedural gap)歸結為知識缺口(knowledge gap)、培訓和技術。核心混合資料處理可以實現公共雲環境中根本沒有使用的企業控制、報告和審計等要素。
混合雲無極限
我們生活在這樣一個時代:在某個地方,雲似乎以某種方式處理每次互動、交易和溝通。世界上幾乎每個應用都使用雲作為其整合架構。明天的資訊系統將變得更專注於在種類越來越廣泛的裝置上提供實時體驗。
按照舊規則,比如摩爾定律、寬頻增長規律以及定義計算機服務行業的其他線性趨勢,創新只能隨著時間的推移才能實現。由於混合雲技術,不再是這樣了。
物聯網、AI和混合雲是同一個三角形的三條邊,是同一條凳子的三條腿,是IT界的三位一體。這三股力量將共同提升資料的地位,成為現代應用創新的核心。
對當前應用為王的這個世界而言,未來無極限。混合雲不僅僅是一種平臺。它是由戰略打造的,是一種領先的技術解決方案,是一種神奇的架構,最重要的是還有望構建未來。
影片:https://youtu.be/jg4AaB32Xkc
ファームノートの挑戦。Internet of Animals で切り拓くこれからの農業 | AWS Summit Tokyo
附圖:愛瑪麗歐機器人可一秒鐘內偵測並辨識人臉,並可同時辨識超過100人
資料來源:http://3smarket-info.blogspot.tw/2017/10/ai-it.html