數值相差的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

主管不教的54招 Excel數字管理：100張圖解決你業務量過多、對數字不拿手、 報告抓不到重點!

為了解決數值相差的問題，作者林學 這樣論述：

★全書超圖解！ 經常遲交被修理？當上主管手忙腳亂？ 作者萃取從不加班的管理者， 私下都在用的EXCEL技巧！ 　　‧還在猛按電子計算機，算出業績與成本？ 　　‧想呈現產品市占率……，卻不會用圓餅圖凸顯結果？ 　　‧部屬交出的報表檔案多，無法整合仔細確認？ 　　如果有以上煩惱，你得學超實用的Excel函數、數據分析、巨集……等技巧。 　　不論你是業務、行銷還是財會人員，也不論你是一般員工還是管理者，只要按照本書的解說，20分鐘就能完成原本1小時的工作！ 　　★90%的管理者都不擅長Excel，導致…… 　　作者林學長期指導「IT商務應用」的專業培訓課程，發現一般工作者及管理者是否具

備Excel技能，在專業表現與職涯發展上會出現明顯差距。這是因為Excel能解決業務量過多、對數字不拿手、報告抓不到重點等各種問題，消除90%管理上的煩惱。 　　然而，你很難從學校或教育訓練的課堂上學會這些方法，所以作者精選職場上最實用的54個Excel技巧，透過詳細的圖解和說明，讓你按部就班地學會如何掌握數字，做出一目瞭然的圖表和資料，提出說服力倍增的分析與簡報，管理自身或團隊的進度……。 　　如此一來，你就能有效率地解決龐雜事務，更能提升個人成果與團隊績效。因此，讓我們開始實務操作吧！ 　　★學校沒教，如何讓Excel幫你製作各種報表 　　你可以運用彙整與計算的功能，消化掉不斷湧來、

堆得像小山的報表。     　　‧幾個部屬每日提交業務報告，如何立刻彙整成一個檔案？ 　　‧猛按計算機，加總年度業績金額？寫出算式讓電腦代勞。 　　‧製作日程表時，逐一輸入日期很費工夫，該怎麼辦？ 　　‧活用「貫穿加總」，不必變更格式，還能跨檔案加總數字。 　　★學校沒教，如何讓Excel幫你用函數分析數字與資料 　　你可以設定函數，並透過比較與篩選，看穿癥結、擬出改善方案。 　　‧想看出營收變化，先統一數據資料的格式才方便做比較。 　　‧如何使用COUNTA函數、COUNTIF函數，篩選與分析業績？ 　　‧從部屬過往的銷售額、接單率、接單額，找出他的KPI。 　　‧想計算所有成員一個月內訪

問客戶的次數？你的絕佳幫手是…… 　　★學校沒教，如何讓Excel幫你凸顯業績表現 　　你可以用簡報強調差異，激勵團隊成員或部門員工自動自發。 　　‧用長條圖和排名表，哪個方式能刺激業績吊車尾的人？ 　　‧長條圖、折線圖、圓餅圖……，如何針對需要使用合適圖表？ 　　‧向上司或顧客做簡報，怎麼用圖表顯示出與別人的不同？ 　　‧活用「註解」功能給予回饋，提醒部屬：「主管有在看！」 　　★學校沒教，如何讓Excel幫你節省工作時間 　　你可以用功能鍵，節省點擊、選取、在鍵盤與滑鼠間移動的時間。 　　‧想同時打開並列印不同月份的報表，按哪些快速鍵最方便？ 　　‧用「Ctrl」搭配不同按鍵，你就能快

速儲存、回復、搜尋資料 　　‧想修改資料，卻覆蓋掉後面的文字？天啊，這是什麼魔法？ 　　還有一鍵將檔案「插入註解」、迅速調整圖表和文字等多種秘訣！ 本書特色 　　‧54招主管和學校沒教的Excel技巧，幫你縮短工作時間 　　‧全圖解一步步解說操作竅門，讓你看圖就能立刻上手 　　＊此書為《學校老師沒教的Excel最強教科書》第二版 推薦人 　　卡米爾數據專案經理　彭其捷 　　資深會計人、《會計人的Excel小教室》作者　贊贊小屋  

數值相差進入發燒排行的影片

離心式渦輪機不同葉片構型的應力分析

為了解決數值相差的問題，作者鄭仁皓 這樣論述：

微渦輪發動機由於其體積小、具機動性的特性，在近幾十年來應用逐漸廣泛，除了應用在軍事武器的無人機和飛彈之外，民生方面亦可與太陽能發電整合，發展地方的微電網系統。也因此，微渦輪發動機的可靠性就變得至關重要。 渦輪轉子是發動機的關鍵部件之一，主要功能為將高溫高壓燃氣的能量轉換為動能和機械能。因所處的工作環境嚴苛，渦輪葉片同時承受各種應力。葉片應力主要來源有三項，第一項為葉片受到燃燒後高溫氣體影響所產生的熱應力，第二項則為氣體的壓力，第三項為渦輪轉子旋轉所造成的離心力。 本篇論文著重於離心應力的探討，首先藉由一現有微渦輪發動機之氣動參數得到一個三維葉片雛形，並匯入CATI

A中進行葉片截面的細部設計。再將等厚、梯形與非等厚三種葉片截面構型於ANSYS中利用有限元素法進行離心力應力的分析。 研究結果顯示，三種葉片分析後的應力數值數值相差無幾，得知針對葉片截面的設計較無法有效降低渦輪的應力值。此外材料方面，必須選用MAR-M-247以上等級的超合金材料才能承受950℃度高溫而不損毀。而改變葉片厚度的設計，由薄到厚構型的應力數據變化甚微，可得知些微的葉片重量改變對於應力值影響較小。

閱讀與寫作通識講義：紮實理解他人、表達自己的能力

為了解決數值相差的問題，作者吳軍 這樣論述：

閱讀與寫作為何重要？   　　許多人認為自己沒有文學細胞、沒有寫作天分，更沒有要成為作家，只要有最基本的閱讀和寫作能力就夠了；學生時期過後大多只用心在事業技能的精進與發揮上，許多人甚至不再閱讀也不再寫作。但事實是，這些基礎能力不只是一堆知識，而是和我們日常的理解以及表達息息相關！   　　工作彙報時不知該把重點放在哪，讓人感覺不專業。 　　每次要寫些什麼的時候，不知從何下手，只好從網路上找範例。 　　苦心經營社群平台，文章的點讚人數卻寥寥無幾。 　　讀書或工作上的報告效率低，很難快速掌握訊息。   　　除了怡情養性或個人修為外，閱讀

更能理解他人、認識世界，寫作更能表達自己、融入社會；比起專業技能，這兩項互為表裡的通識能力，不但與日常生活密不可分，更影響每個人的職場發展與人際關係，是我們生涯路能不能走得更寬更廣更遠的關鍵優勢。   　　★如何兼顧閱讀的廣度與深度？如何讀懂作者的內心？如何建構自己的知識體系？  　　★如何寫得讓外行人也能理解？如何敘事、寫景、寫情？郵件、報告、履歷、評論，如何吸引人？ 　　★如何從古希臘悲劇理解命運與人生無常？曹雪芹《紅樓夢》到底在講誰的故事？唐詩宋詞如何讓形式與內容同登大雅之堂？   　　吳軍博士身為電腦科學家、Google Research前資深研究員

、矽谷投資人與暢銷書作家，他從本質出發，逐一拆解閱讀與寫作的意義與核心；以講義的形式，針對「理解他人，表達自己」，梳理建構出一套實用有效的系統方法：。   　　工作上的信件有「三寫四不寫」  　　寫評論的兩種類型與四種策略 　　七個「wh」結合時間、地點、人物、事件 　　提高閱讀速度的三種方法 　　順敘法要避免的三個陷阱 　　寫論文常犯的四種錯誤 　　如何從「害怕寫」、不知如何寫起，到天天想寫？ 　　怎麼突破寫和說的障礙？   　　本書除了梳理出一套有系統的讀寫方法，還走進古今中外的經典文學世界，看這些經典名著的作者如何用文字表

達自我。   　　李煜的〈虞美人〉如何用兩問手法表達心情，營造代入感？ 　　張愛玲筆下的飲食男女為何能讓現代讀者倍感親近？ 　　經典名著《咆哮山莊》用什麼寫作方法來表現情節複雜的故事？  　　為何說莎士比亞的《李爾王》是上了年紀的人才寫得出來的作品？   　　這是一本寫給成年人的閱讀與寫作講義，給我們一個重新發掘語文兩種力量的機會：   　　感受：閱讀能培養並強化感受力，讓我們所認知的不僅僅是字面上的意思，更能從生活體驗中理解他人。   　　表達：透過簡潔的文字表述就能寫得講得明明白白，讓人一看就懂，甚至有畫面既視感。  

　　「閱讀與寫作」不是學校裡的學科，也不是考試後就可以扔掉的課程，我們其實生活在「閱讀與寫作」中，它是我們時時刻刻需要、一輩子受用的基礎能力。   　　人生中許多常見的問題都是因為缺乏「理解他人、表達自己」的能力所致！當彼此條件處境相同時，單靠一個專業技能是不夠的，唯有從本質出發，將基礎的通識能力提升成「比較優勢」，才能脫穎而出。

基於深度學習與並聯型機械手臂在家庭廢棄物分類應用

為了解決數值相差的問題，作者吳奕頡 這樣論述：

人類進入工業化時代後，生產技術大幅度提升，產品更新換代的速度也大幅度提升，導致自然資源過度的開發和大量的廢棄物產生，如果此問題沒有妥善處理，將會對人類的將來埋下後患。廢棄物再利用的效率，將是解決此問題的一大難題，因此本研究希望研究出一套生活廢棄物自動辨識與分類系統，本研究預計使用相當受歡迎的YOLO(You Only Look Once)系列目標檢測演算法訓練出適合辨識台灣地區生活廢棄物的權重模型，並且針對台灣地區生活廢棄物研究出相對應的Delta並聯型機械手臂。分類流程為生活廢棄物由輸送帶送入深度影像鏡頭視野範圍後，電腦PC使用YOLO卷積神經網路模型對回收物進行物件辨識，辨識後將

得到物件種類和回收物在影像中之中心點座標，在多目標跟蹤模型中，對回收物中心點進行跟蹤，再由以上資訊換算成三角並聯型機械手臂座標，並且下達G-code指令給三角並聯型機械手臂夾取回收物。根據本研究需求設計的Delta並聯型機械手臂，最大工作半徑350mm與最大有效載重1kg，定位精度2mm，對於夾取生活廢棄物相當足夠，符合本研究的預定需求。根據YOLOv3與YOLOv4訓練成果，這兩個網路模型的平均正確率(mAP)結果分別為99%與100%，兩者數值相差極小。因此藉由實際在輸送帶上移動情況來探討YOLOv3與YOLOv4網路模型之優劣，結果是YOLOv3表現較為優秀。根據最終研究結果可以知道影像

辨識的準確度在98.20%，夾取的穩定度在83.20%，將以上相乘得到結果為81.40%，辨識準確度和夾取穩定度相乘結果與實際分類準確度81.70%相差值非常小，因此可以判斷此數據之可靠性。