三民網路書店 教科考用 / 教科用書 / 資訊學群 分類

本書引入傳播學理論，基於Rogers「創新採納與擴散」理論框架，嘗試探討1945至2022年間圖書資訊學的創新發展。透過資訊計量、數學統計、圖譜分析、文本探勘與比較分析等方法，從量化與質化的角度解析圖書資訊學中的創新採納與擴散現象，力求呈現學科的創新特徵、過程、效益與影響，並指出當前學科發展所面臨的挑戰。本書希望為學科發展研究提供全新的視角，為學術界與實務界帶來參考與啟示，進一步推動圖書資訊學研究的深化與進步。

軟體開發本身有著本質上的問題及困難，軟體工程各種工程層面及管理層面中涉及的技術，便是為了逐步克服與減緩這些軟體與生俱來的複雜性、易變性、隱藏性及一致性等問題，進而透過系統化的軟體流程改善，讓開發團隊能循序漸進地學習如何與這「軟體狼人」共舞。本書彙整了李允中教授在國立臺灣大學資訊工程學系教授軟體工程這門課的主要內容，共分為十章，分別以軟體流程、需求工程、物件導向軟體開發、軟體設計、軟體專案設計與管理、軟體測試、軟體品質管理與保證、軟體建構管理、軟體正規方法論、軟體流程改善之軟體能力成熟度整合模式等為主題，循序漸進地帶領讀者認識軟體開發的完整過程，並在書末以企業個案為例，幫助讀者將前面各章所學的概念與技術融會貫通，進而完善屬於個人的軟體流程。

LLM的大開源時代 - Llama模型精讀實戰 在當前的人工智慧發展浪潮中，語言模型扮演著舉足輕重的角色。而在這場競賽中，Llama語言模型以其卓越的表現和創新技術，迅速崛起成為新興的焦點。 Llama語言模型的誕生，不僅標誌著技術上的突破，更代表著人工智慧在理解和生成自然語言方面邁向新的高度。不僅具備強大的語言理解能力，還能生成流暢、自然的文字，這對於各類應用場景，包括對話系統、內容創作、翻譯等，都具有重要的意義。 本書深入剖析了Llama語言模型的架構、訓練方法以及實際應用，還討論了Llama語言模型在實際應用中的挑戰和前景。這種理論與實踐相結合的寫作方式，使得本書在科學性與實用性之間達到了一個完美的平衡。總結來說，這本書不僅是一部關於Llama語言模型的專業指導書，更是一部啟發未來創新的重要參考文獻。我相信，無論是對人工智慧領域的專家學者，還是對語言模型技術感興趣的廣大讀者，這本書都將帶來豐富的收穫和啟迪。 本書主要內容 本書共包括7章，涵蓋了從基礎理論到實際應用的全方位內容。第1章深入探討了大型模型的基礎理論。第2章和第3章專注於Llama大型模型的部署和微調，提供了一系列實用的程式示例、案例分析和最佳實踐。第4章介紹了多輪對話難題，這是許多大型模型開發者和研究人員面臨的一大挑戰。第5章探討了如何基於Llama訂製行業大型模型，以滿足特定業務需求。第6章介紹了如何利用Llama和LangChain建構高效的文件問答模型。第7章展示了多語言大型模型的技術細節和應用場景。 本書既適合剛入門的學生和研究人員閱讀，也適合有多年研究經驗的專家和工程師閱讀，透過閱讀本書，讀者不僅能掌握Llama大型模型的核心概念和技術，還能學會如何將這些知識應用於實際問題，從而在這一快速發展的領域中取得優勢。

新版書將 AI 協作各個部分整合到章節中，從 AI 幻覺的案例開始說明提示工程，到如何利用 AI 協助除錯、產生測試案例、分析問題、推薦語法，並以通用大語言模型 ChatGPT、Claude 與哈佛大學特殊用途 CS50.ai 助教來作說明。 本書分成基礎篇和應用篇兩個部分來引發讀者學習興趣，第一部分「基礎篇」主要在介紹 Python 程式語言的基本語法與基本套件。第二部分「應用篇」分別是：「AI 協作案例」、「人臉辨識」、「物件辨識」、「視覺化文字資料」、「簡單線性迴歸」、「簡單線性分類」、「地理資訊系統應用」、「序列資料處理」、「資料的動畫呈現」、「字元辨識、翻譯與語音轉譯」。讓讀者可以用非常少的程式碼，製作出各式各樣與 AI 和「資料科學」相關的應用系統。 本書有完整的學習地圖，讀者可以依循學習地圖來學習，部分「應用篇」的章節，不會用到所有「基礎篇」的內容，所以可以安排提前學習，讀者甚至可以自行規劃學習路徑。另外，本書大部分所使用的資料集都會重複使用，讀者也可以依據資料使用的前後關係來自行規劃學習路徑。

本書之內容，主要是根據筆者的學與教的歷程中，所觸及的資料及筆記，擇要編撰而成，並非為著書而寫書。本書共分十五章，全書共七十多個例子，期待可以給有需要者學習或參考。

因應快速變動的經營環境，「作業管理」已成為企業提升韌性、快速回應市場需求的核心能力。想要透過作業創造競爭優勢，必須理解作業功能是如何促進企業的競爭力。本書針對作業管理熱門的議題，諸如：「如何在降低供應鏈成本的同時能緩解營運中斷的風險、設計符合顧客需求的產品、協同整合供應鏈上下游的運作、應用資訊科技提升作業敏捷性、達成環境永續以降低產品與製程的長期成本」，提供了高品質的管理素材，幫助讀者了解上述議題的全貌與對今日企業的重要性。本書不僅要讓讀者認識當今企業在市場中創造競爭優勢的重要概念，也提供可以實際應用的作業管理技巧與工具。以各章的章首個案與學習目標、關鍵詞定義、章末的範例問題、問題討論、填充題與個案研討，循序引導讀者了解該章的議題與理論，並輔以「OSCM at Work」 專欄介紹企業實例，是非常適合學習作業管理的教材。此外，因應商業環境的改變，各章章首個案做了大幅的更新，增加更多國內企業的案例，以期能滿足國際視野與在地關懷的學習需求。章末的問題討論提高了量化分析與討論性問題的比重，以提升讀者創造性思考及數據分析的能力。另外，有鑑於人工智慧與企業電子化對產業的重大影響，第11章增加了智慧科技與數位化供應鏈整合議題的介紹。

從標註到資料科學的人類監督掌握訓練資料的訣竅，提升AI專案成功率「本書以全方位的視角解說如何產生高品質的訓練資料以及啟動新專案。」— Anirudh KoulPinterest機器學習、資料科學負責人「要做好機器學習，必須學習如何訓練資料。本書的價值比黃金還要珍貴。」— Neal LinsonInCite Logix首席資料與分析長，LLM超級明星您的訓練資料對於資料專案的成功與否與演算法本身一樣重要，因為人工智慧系統的大多數失敗都與訓練資料有關。儘管訓練資料是成功的人工智慧與機器學習的基礎，但鮮少有全面的資源可以幫助您掌握這一過程。在這本實用指南中，作者Anthony Sarkis（Diffgram AI訓練資料軟體的首席工程師）向技術專業人員、管理者和相關領域專家展示如何處理和擴展訓練資料，同時闡述監督機器的人性面。無論是工程領導者、資料工程師或是資料科學專業人士，都能從本書獲得成功使用訓練資料所需之概念、工具和流程的深入理解。透過這本書，您將學會：‧有效地處理訓練資料，包括綱要、原始資料和標註‧將工作、團隊或組織轉型為更以人工智慧/機器學習資料為中心‧向其他員工、團隊成員和利益相關者清楚解釋訓練資料概念‧為生產級別的人工智慧應用設計、部署和交付訓練資料‧識別並修正基於新訓練資料的失敗模式，如資料偏差‧完全掌握自動化技術，更有效地建立訓練資料‧成功維護、操作和改進訓練資料的記錄系統

暢銷經典，全球銷售超過百萬本 Thomas H. Cormen、Charles E. Leiserson、Ronald L. Rivest和Clifford Stein所著的《演算法導論》受到世界各地許多著名大學廣泛採用，作為演算法課程的主要教科書。 本書即是大家耳熟能詳的CLRS。歷經數個版次，同時受到廣泛選用所造就的不可替代性，在該領域的社群和學術界，常以作者姓氏的首個英文字母「CLRS」，作為這本經典著作的代稱。 這本書因幾個關鍵特點而備受讚譽： ‧內容全面：本書涵蓋了從基本到進階的演算法主題，適合各個程度的讀者，無論是大學生、研究生或業界人士，都能從中受益。 ‧清晰的講解：書中以清晰詳細的方式解釋各種演算法，並搭配虛擬碼，幫助讀者理解演算法的實作過程。 ‧嚴謹的數學分析：本書提供了演算法的數學分析，幫助讀者深入理解演算法的效率和複雜度，對於希望深入研究演算法理論的讀者很有幫助。 ‧豐富的練習題：每章結尾都有大量的練習題，這些題目設計巧妙，有助於對學習內容的強化和加深理解。 ‧現實應用：書中展示了多演算法在實際問題中的應用，增加了學習的趣味性和實用性。 這些特點使得《演算法導論》成為計算機科學領域的經典教材，廣受學術界和業界人士的推崇。 有些演算法書籍雖然嚴謹卻不夠完整，有些則包羅萬象卻嚴謹不足，獨樹一幟的《演算法導論》既嚴謹且全面，不僅深入探討廣泛的演算法，也透過自成一體的章節及演算法虛擬碼，讓各種程度的讀者皆能理解演算法的設計和分析。 《演算法導論》自第一版問世以來，已成為全球大學的主要演算法教材，以及專業人士的標準參考書。 本書的第四版做了全面的更新，採用更清晰的文筆、更個人化且性別中立的表達方式，並透過顏色來增進視覺表現。我們根據讀者的回饋改進問題，讓注釋和參考文獻反映這個領域的最新發展，並且在本書的網站提供新的補充教材。 第四版的新內容 ‧關於二部圖、線上演算法與機器學習的新章節 ‧探討遞迴方程、雜湊表、勢能函數及後綴陣列等主題的新內容 ‧新增140道新習題和22道新問題 本書提供超過900道習題與162個問題，讀者可以在本書網站上找到大部分的解答。適合大學或研究所的演算法或資料結構課程使用；此外，由於本書探討演算法設計的工程問題和數學層面，所以也適合專業技術人員用來自學。

本書八版主要增修如下： 1.全書之附錄用EnterpriseArchitectCASETool實作外，再加上以GPT-4將介面藍圖、介面詞彙與循序圖等生成使用者介面之程式碼(HTML/CSS)與系統頁面，並可以進一步優化成雛形系統，以符合目前的潮流。2.強化附錄3D的物件導向系統，始能清楚地連結物件導向的物件、類別、抽象化、封裝、繼承與同名異式等概念與物件導向程式關係。優化循序圖與行為狀態機圖之塑模方法論(建構原則)等，以提升內容之易用性與正確性。 本書明白揭示結合MDA與UML的物件導向分析與設計，擴充系統之動態行為與靜態結構塑模方法論，以強化物件導向系統分析與設計之實用性與易用性。此外，擴充MDA之轉換方法論及其與CASE工具之整合，以強化系統開發之自動化。內容編排共分四個部分： 1.首先介紹系統開發模式(例如瀑布、雛型、RUP、動態系統開發、Scrum與MDA等模式)，以及模組化系統理論、物件導向技術、物件導向系統與實作，包括物件導向的基本概念(例如物件、類別、抽象化、封裝、繼承與同名異式等)、系統分析與設計塑模工具(如UML)與觀點。2.接著開始介紹系統開發之需求分析與塑模步驟，包括介紹需求擷取方式、塑模工具與方法論、強韌分析，及其產出文件(模式)等。3.再介紹物件導向系統分析與設計步驟，包括物件互動行為塑模、結構塑模、類別正規化等活動、塑模工具與方法論，及其產出模式等。4.最後介紹結合MDA與UML，從系統分析、系統設計至程式模式的轉換步驟與方法論、系統元件與結構塑模工具與方法論，及其產出模式等。 文中以一個案例與CASE工具(含GPT-4)，依上述步驟與方法論進行需求分析、物件導向系統分析與設計塑模，並依各步驟產出之模式進行資訊系統開發，使讀者能清楚瞭解結合MDA與UML進行物件導向系統分析與設計之完整與連貫的塑模概念、活動、模式產出與實作等。 教學配件：教師教學PowerPoint、教師手冊、題庫本書搭配：線上題庫

AI助攻！搭配ChatGPT學習效率加倍！ ★提供用書教師相關的教學資源★ 【資料結構】(Data Structures)是資訊科學領域中的基礎課程，多數資訊相關科系的研究所入學考試會將之列入考科，而諸如高考三級、地方特考、司法特考、鐵路考試中的資訊類別考試亦會將之列入考科，因此選擇一本觀念正確、條理清晰且掌握命題趨勢的書籍是很重要的。 本書以實例演練為導向，漸進式的學習架構，詳盡解說各種資料結構，期能帶領讀者了解其中的精髓，進而具備開發大型程式的功力。此外，為了因應未來報考資訊相關科系的研究所或準備國家考試，本書精選題型多元的考題，並融入相關章節、隨堂練習與學習評量，建議讀者勤加練習。 AI助攻 *使用【ChatGPT】輔助學習資料結構，例如查詢理論與實作、上傳圖片解題、出題練習、撰寫程式、優化與除錯、與其它程式語言互相轉換等，這些技巧大多不限定於ChatGPT，也可以靈活運用在【Microsoft Copilot】、【Google Gemini】等AI助理。 *本書是以C語言進行實作，讀者可以自行使用ChatGPT轉換成Python、C++、C#、Java等程式語言。 *ChatGPT相關內容統一放在本書最後一章，希望讀者以學會資料結構為主，而使用ChatGPT為輔，同時不會干擾到學習或上課的節奏。 考題觀摩 收錄研究所入學考試與資訊類別國家考試的精選考題，增加實例演練經驗，提升即戰力。

本書以物件導向技術為主軸，輔以UML為塑模工具來闡述有關近代資訊系統開發之方法。適用對象包含任何對系統開發有興趣之同學，程式設計師，軟體工程師，及系統分析師。 本書主要是從以下幾個觀點來介紹系統的分析與設計的過程： ☑ 功能觀點：著重於需求分析的捕捉，使用案例圖(Use Case Diagram)的塑模，以及活動圖(Activity Diagram)的流程分析及輔助性。 ☑ 靜態觀點：著重於概念模型(Conceptual Modeling)的基本概念，類別圖(Class Diagram)的塑模原則，以及物件圖(Object Diagram)的輔助性。 ☑ 動態觀點：著重於分析物件(Analysis Object)的應用，循序圖(Sequence Diagram)的塑模，以及建立原則。 ☑ 部署觀點：強調軟體元件的封裝管理(Component Diagram)，配置與部署(Deployment Diagram)。 ☑ 設計觀點：內容強調類別以及類別庫的架構設計原則，並介紹基本的設計樣式(Design Pattern)以及框架(Framework)的概念。

《最新計算機概論 (第11版)》Foundations of Computer Science理論與實務忠實呈現 ● 導入AI概念全新改版★提供用書教師相關的教學資源★訪察國內多所大學院校之資電科系、理工科系教師意見，針對資訊科學教育編寫而成的書籍，內容兼顧深度與廣度，涵蓋資訊科學的核心知識與實務應用，並依據教學時數設計章節，讓學習過程順暢有序，同時將國家考試與研究所入學考試題型融合至內文、隨堂練習與學習評量，為學生將來升學與就業提早做準備。資訊科技的不斷創新，人工智慧的大放異彩，ChatGPT的橫空出世，以及雲端運算、大數據、區塊鏈、元宇宙、5G與物聯網的應用呈現爆炸性的成長，這股趨勢不僅改變了人們的生活習慣，也改變了人們的學習型態與工作模式。本書除了包含扎實的學理基礎，更將最新資訊融入相關章節，例如：■ 人工智慧、機器學習、監督式學習、非監督式學習、強化學習、深度學習、神經網路、前饋神經網路、卷積神經網路、循環神經網路、AI PC、邊緣運算、機器人、仿生機器人■ 生成式AI、生成對抗網路、擴散模型、Transformer模型、生成式AI工具、ChatGPT、Copilot、Midjourney、深偽 (deepfake)、生成式AI的限制與挑戰■ 量子電腦■ 虛擬實境 (VR)、擴增實境 (AR)、混合實境 (MR)、延展實境 (XR)、元宇宙■ 物聯網 (IoT)、智慧物聯網 (AIoT)、工業物聯網 (IIoT)、智慧城市、智慧交通、智慧家庭、智慧農業、無人商店■ 區塊鏈、加密貨幣、智慧合約、去中心化金融、去中心化醫療■ 資訊安全、軟體工程素養與軟體所有權、智慧財產權、著作權法、專利法、營業秘密法、AI創作是否受著作權法保護本書特色：＊豐富圖表：透過豐富圖表，提升學生的理解程度與學習興趣。＊資訊部落：透過資訊部落，針對專業的技術或議題做進一步的討論。＊隨堂練習：透過隨堂練習，讓學生即刻驗證在課堂上學習的知識。＊本章回顧：每章結尾提供簡短摘要，幫助學生快速回顧內容。＊學習評量：每章結尾提供學習評量，檢測學習成效或做為課後作業。＊教學資源：提供用書教師豐富教學資源，包含教學投影片、隨堂練習與學習評量解答。

本書內容分成基礎理論、科技犯罪偵查、進階研究等三篇共十二章組成。基礎理論篇包括「社會網絡分析原理與方法」、「大數據警政應用之探討」及「資料檢索技術與警察應用」；科技犯罪偵查篇包括「電腦網路犯罪偵查與鑑識」、「數位鑑識概論」、「社群媒體犯罪與鑑識──以行動上網為例」、「刑案犯罪特徵之比較研究」及「電信詐欺犯罪智慧型防制技術之研究」；進階研究篇包括「大數據探勘應用於社會網絡分析之研究」、「刑案知識庫查詢推薦技術之研究」、「網格空間資料探勘應用於犯罪預測之研究」及「警政資訊系統分散式處理架構之研究」。本書篇章內容各自獨立，讀者可依自己的興趣進行閱讀。適合科技犯罪偵查、犯罪預測及警察資訊應用等相關領域的學生參考。

張教授為國立聯合大學客家研究學院文化創意與數位行銷學系的教授，長期投身於AI與數位工具的教學與研究，參與了教育部人工智慧技術及應用領域課程計畫，以及教育部數位人文創新人才培育計畫，致力於推動人文社會學生程式設計、數位工具應用與人工智慧。近年來更關注人工智慧在客家領域的創新應用，尤其在自然語言生成、語音辨識、語音合成領域。為了引導人文學生能夠認識AI、親近AI、應用AI，本書分為第一部：從「零階：no coding 學AI」認識AI 基本概念，透過AI遊戲的圖像、語言、圖像的體驗，了解大數據、機器學習、深度學習等概念，開啟對AI 應用的想像力；第二部分：認識Python 的基本概念、歷史與應用；第三部分：聊天機器人，聚焦自然語言，帶領人文學科的學生能夠走入自然語言模型開發，從自然語言概念，到大數據爬蟲、翻譯系統、語音合成和辨識技術專案實作，最後進入「高階：自然語言模型訓練」，整合剖析本人利用深度學習技術開發臺灣客語翻譯系統和設計客語聊天機器人「阿知牯」的經驗。本書適合來自人文社會科學背景、對人工智慧感興趣的讀者，也適合資訊科技專業的學生和專家。本人身為客家人，也在聯大客家學院服務，特別關注AI 在客家族群和少數語言上的應用，在利用AI 於客家語音合成研發的突破外，在研發過程中，也發現AI 資料偏差問題（Data Bias），尤其是對於像客家這樣的少數族群，因此除了找回資料外，也需不斷的調整與校正，達到AI 生成、語音辨識的正確性。

為了答謝老師及同學們的愛護與支持，本書再次全新改版。隨著科技與商業模式的快速變遷，電子商務領域的知識也必須與時俱進。本書作者們擁有多年電子商務相關領域豐富學識及產學經驗，對當代電商發展與趨勢有獨到的見解，因此於本書中可以提供國內讀者們許多外文書所沒有的在地案例及全新議題，幫助讀者們快速學習且讓授課教師易於授課。 本書增添了 2020 年後的各項創新應用，包括如：因疫情而異軍突起的無人化或機器人應用、行動支付、大數據分析及視覺化、工業 4.0 議題，以及近期爆紅的生成式人工智慧應用等重要更新。此外，新版亦探討了有關雲端廚房、金融科技、NFT 等最新電商應用，並解析這些新興商業模式的運作原理與商機。 本書所探討的議題涵蓋層面相當廣，所舉案例除重要國際案例外，主要仍以台灣企業為主，相信能讓讀者產生更多共鳴與獲益。全書共分為 14 章節，並依照國內課程安排所編寫。特別適合國內各大學院校電子商務相關課程授課使用。

◎◎◎ SOP閃通教材 ◎◎◎老師在解題時，會把題目的標準解題流程（SOP）記在頭腦裡，依此標準解題流程（SOP）解給學生看，可是並不是每個學生看完老師教的標準解題流程（SOP）後，就能記住此標準解題流程（SOP）。本書是將每個題型的標準解題流程（SOP）寫下來，學生只要將題目的數值代入標準解題流程(SOP)內，就可以把該題目解答出來。等學生學會了後，此SOP就可以丟掉了。

產品特色： 1.配合觀念的探討來實作其內容，知行並用，學會程式語言的基礎。 2.每個章節保留綜合範例，延伸觀念產生獨立思考空間。 3.配合章節的主題，活用主控台和視窗應用程式。 4.各章學習評量思考操作並兼，追蹤學習成效。

整合分析，簡言之即為：1.將多個且具有同樣主題研究予以綜合分析。2.利用統計方法將量化後的數據予以客觀的分析。整合分析需要高額的統計軟體與艱深的理論，不易著手，而有此感覺的人似乎很多。實際上市面上販售的統計軟體有許多是相當高額的，當想要購買時，又令人躊躇不前。可是，如利用網路，從Cochrane共同計畫的網頁，任誰都能免費下載能供整合分析的軟體Review Manager。本書的特色是不採艱深的統計說明，改以條列的重點項目以條列式進行解說。另外，本書是使用免費的軟體RevMan，有別於市面上所使用的需要支付高額的CMA軟體及其他軟體，而且此軟體的操作也以步驟的方式來說明，使出學者容易上手。那麼，現在立即使用軟體Review Manager邁出整合分析的第一步吧。

以意見調查中的累計來說，有按各詢問累計的單純累計，以及組合詢問再累計的交叉累計。交叉累計的結果被整理成稱為「交叉表」的二元表，交叉表的製作與考量，於分析意見調查的各結果時，能發揮重要的功能。交叉表的考量，一般有使用長條圖或帶狀圖等的視覺方法，以及使用稱為檢定的統計方法。可是，這些方法當表甚大時（二元表的行數與列數甚多），若要掌握全體的傾向進行詳細分析，將變得極為困難。另一方面，對應分析（correspondence analysis）是將交叉表的行與列的資訊在二維度或三維度的圖上表現作為目的的一種手法，適合於交叉表的詳細分析。並且，對應分析不只是交叉表，即使對於以複數選擇形式的詢問所得到的資料表，也能進行解析，因之可以活用在選項的分類或回答者的分類上。並且，將對應分析加以擴張稱為「多重對應分析」的手法，對於將問題與回答結果按每一回答者做成一覽表的解析也可應用。由此特性來看，對應分析在意見調查的資料解析方面，被認為是極為有效的手法。

本書特色●以初學者學習面撰寫，內容淺顯易懂，從「運算思維」的主軸，說明程式設計的設計策略。●實務與理論兼備，結合圖表與實例的運用，生動的方式，帶領讀者身歷其境，增添學習趣味性。●「Python程式設計」說明搭配實地操作，增進運算思維的能力。並引導讀者運用Python開發專題。●內容包括視覺化、人機互動、YouTube影片下載器、音樂MP3播放器與試題分析等。具備基礎的程式設計者，可獲許多啟發豁然開朗。※本書範例資料檔，請至作者個人網站：http://cat.nptu.edu.tw，下載使用。或至五南圖書網頁：https://www.wunan.com.tw，輸入書號1H2B，即可找到下載處。值此資訊科技高度發展的時代，如何尋求創新與突破實屬極重要的課題；面對現代生活的日新月異，「Python程式設計」正式引領我們開創「運算思維」的新紀元，實為「程式設計」的重大變革。在程式設計上，經由本書介紹，不僅大大提升相關知識；生活化圖解的運用，搭配文字解說。透過實作，在運算思維的架構下，身歷其境更加凸顯Python程式設計的重要性。再版更新Python與相關軟體版本，並新增微軟開發、跨平台免費編輯器開發Python程式。為初學者與具Python程式設計基礎者，最佳實用工具書。