參考資料與授權¶
本頁彙整各章實際引用的來源，同一來源在多章出現時合併為一筆，「章節」欄列出用到的章。授權欄記的是撰寫時實際查到的內容；標「未驗證」者代表沒有逐頁核對，重新散布前請自行查證。
引用原則
- 教材、課程與書籍多數只連結、未改作；文字為 CC BY-NC-ND 者（如 VanderPlas）更不得改作。
- 論文只引用其結論或摘要層級的事實，並在正文標明年份與範圍；請以原文為準。
- 圖表與互動 demo 皆為本站自產，沒有使用第三方圖片。
一、教材與課程¶
| 標題 | 作者／機構 | 年份 | 授權 | 章節 |
|---|---|---|---|---|
| Machine Learning Crash Course（含 Numerical data、Neural networks、ROC and AUC、Imbalanced datasets、Intro to Large Language Models） | 持續更新 | 內容 CC BY 4.0、程式 Apache 2.0（依研究筆記；未逐頁確認）；只連結、只轉述概念 | 01、03、04、09、11、15 | |
| ML-For-Beginners（含 2-Regression、5-Clustering） | Microsoft | 持續更新 | MIT；教法參考、未複製內容 | 01、04、08 |
| Python Data Science Handbook（第 05.05 Naive Bayes、05.06 Linear Regression、05.07 SVM、05.08 Random Forests、05.09 PCA、05.11 k-Means 各節） | Jake VanderPlas | 2016 | 文字 CC BY-NC-ND、程式碼 MIT；只連結、未改作 | 02、04、05、06、07、08、10 |
| Dive into Deep Learning（Multilayer Perceptrons、Convolutional Neural Networks、Recurrent Neural Networks、Attention Mechanisms and Transformers） | Zhang A, Lipton ZC, Li M, Smola AJ | 持續更新 | 文字 CC BY-SA 4.0、程式碼 modified MIT；教學順序參考、未複製內文；第 14 章 RNN 為延伸閱讀 | 09、12、14、15 |
| 李宏毅 Machine Learning 2021 Spring | 李宏毅（國立臺灣大學） | 2021 | 未驗證；只連結 | 09、12、15 |
| StatQuest: Naive Bayes, Clearly Explained（YouTube 搜尋連結，未確認單一影片網址） | Josh Starmer | — | 版權屬作者，未查證；只連結 | 05 |
| NumPy: the absolute basics for beginners | NumPy 社群 | 持續更新 | BSD-3-Clause（未逐頁核對） | 02 |
| 10 minutes to pandas | pandas 社群 | 持續更新 | BSD-3-Clause（未逐頁核對） | 02 |
| pandas Copy-on-Write | pandas 社群 | 持續更新 | BSD-3-Clause（未逐頁核對）；第 2 章陷阱 1 的官方依據 | 02 |
| Matplotlib Quick start guide | Matplotlib 社群 | 持續更新 | PSF-based license（未逐頁核對） | 02 |
| SciPy statistics tutorial | SciPy 社群 | 持續更新 | BSD-3-Clause（未逐頁核對） | 02 |
| Keras 3 文件 | Keras 團隊 | 持續更新 | Apache-2.0 | 09、12、13、14、15 |
| The Illustrated Transformer | Jay Alammar | 2018 | 部落格 repo MIT，只連結 | 15 |
| GAN Lab | Georgia Tech Polo Club | — | Apache-2.0（GitHub API）；只放連結 | 16 |
| Dive into Deep Learning: Generative Adversarial Networks | Zhang A, Lipton ZC, Li M, Smola AJ | 持續更新 | 文字 CC BY-SA 4.0、程式碼 modified MIT；延伸閱讀，未複製內文 | 16 |
scikit-learn 官方文件¶
授權皆為 BSD-3-Clause。
| 頁面 | 章節 |
|---|---|
| An introduction to machine learning | 01 |
| Common pitfalls and recommended practices（資料洩漏示範構想，程式自行重寫） | 03、11 |
| Column Transformer with Mixed Types | 03 |
| Linear Models | 04 |
1.8 release notes（LogisticRegression 的 penalty 棄用，第 4 章陷阱 3） |
04 |
| Naive Bayes | 05 |
| Probability calibration | 05、11 |
| Support Vector Machines | 06 |
| RBF SVM parameters | 06 |
1.9 What's New（SVC(probability=True) 棄用，第 6 章陷阱 2） |
06 |
| Decision Trees | 07 |
| Forests of randomized trees | 07 |
| Permutation feature importance | 07 |
| Clustering: K-means | 08 |
MLPClassifier |
09 |
| Feature selection | 10 |
| Decomposing signals in components (PCA) | 10 |
| Algorithm cheat-sheet（流程圖結構參考，本站自行重畫） | 11 |
| Cross-validation、Grid search | 11 |
二、論文與書籍¶
機器學習在醫學的應用與方法學¶
| 標題 | 作者 | 年份 | 出處／識別碼 | 授權 | 章節 |
|---|---|---|---|---|---|
| Machine Learning in Medicine | Deo RC | 2015 | Circulation 132(20):1920-30；PMID 26572668、PMC5831252 | 期刊版權；只引用、不改作 | 01 |
| Machine Learning in Medicine | Rajkomar A, Dean J, Kohane I | 2019 | N Engl J Med 380(14):1347-58；PMID 30943338 | 期刊版權；只連結 | 01 |
| How to Read Articles That Use Machine Learning: Users' Guides to the Medical Literature | Liu Y, Chen PC, Krause J, Peng L | 2019 | JAMA 322(18):1806-16；DOI 10.1001/jama.2019.16489；PMID 31714992 | 期刊版權；只引用（讀摘要） | 01、11 |
| TRIPOD+AI statement | Collins GS, et al. | 2024 | BMJ 385:e078378；DOI 10.1136/bmj-2023-078378；PMID 38626948（PMC11019967） | 期刊版權；只引用 | 11 |
| A systematic review shows no performance benefit of machine learning over logistic regression for clinical prediction models | Christodoulou E, et al. | 2019 | J Clin Epidemiol 110:12-22；DOI 10.1016/j.jclinepi.2019.02.004；PMID 30763612 | 期刊版權；只引用（數字取自 PubMed 摘要） | 11 |
| Why do tree-based models still outperform deep learning on typical tabular data? | Grinsztajn L, Oyallon E, Varoquaux G | 2022 | NeurIPS Datasets and Benchmarks；arXiv 2207.08815 | arXiv 論文；只引用結論 | 09 |
| Bias in random forest variable importance measures: illustrations, sources and a solution | Strobl C, Boulesteix AL, Zeileis A, Hothorn T | 2007 | BMC Bioinformatics 8:25；DOI 10.1186/1471-2105-8-25；PMID 17254353 | 開放取用（CC BY）；只引用 | 07 |
| Random Forests | Breiman L | 2001 | Machine Learning 45:5–32；DOI 10.1023/A:1010933404324 | 期刊版權；只連結（書目憑既有知識，未線上查證） | 07 |
| Variable selection – A review and recommendations for the practicing statistician | Heinze G, Wallisch C, Dunkler D | 2018 | Biom J 60(3):431–449；DOI 10.1002/bimj.201700067；PMID 29292533（PMC5969114） | 期刊文章（PMC 開放取用）；只引用觀點 | 10 |
| Regression Modeling Strategies, 2nd ed. | Harrell FE Jr. | 2015 | Springer；DOI 10.1007/978-3-319-19425-7 | 商業書籍；只引用書名與一般觀點 | 10 |
| Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables | Ahlqvist E, et al. | 2018 | Lancet Diabetes Endocrinol 6:361–369；PMID 29503172 | 期刊版權；只引用事實（依 PubMed 摘要） | 08 |
| Phenomapping for novel classification of heart failure with preserved ejection fraction | Shah SJ, et al. | 2015 | Circulation 131:269–279；PMID 25398313 | 期刊版權；只引用事實（依 PubMed 摘要） | 08 |
| Variable generalization performance of a deep learning model to detect pneumonia in chest radiographs: A cross-sectional study | Zech JR, Badgeley MA, Liu M, Costa AB, Titano JJ, Oermann EK | 2018 | PLoS Med 15(11):e1002683；DOI 10.1371/journal.pmed.1002683；PMID 30399157（PMC6219764） | CC BY 4.0（PLoS 開放取用；未逐頁核對）；數字取自 PubMed 摘要 | 12、13 |
| Deep learning for chest radiograph diagnosis: A retrospective comparison of the CheXNeXt algorithm to practicing radiologists | Rajpurkar P, Irvin J, Ball RL, et al. | 2018 | PLoS Med 15(11):e1002686；DOI 10.1371/journal.pmed.1002686；PMID 30457988（PMC6245676） | CC BY 4.0（PLoS 開放取用；未逐頁核對）；數字取自 PubMed 摘要 | 12 |
| Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization | Selvaraju RR, Cogswell M, Das A, et al. | 2020 | Int J Comput Vis 128:336–359；DOI 10.1007/s11263-019-01228-7（arXiv:1610.02391） | 期刊版權；只引用方法 | 13 |
| Sanity Checks for Saliency Maps | Adebayo J, Gilmer J, Muelly M, et al. | 2018 | NeurIPS 2018；arXiv:1810.03292 | arXiv；只引用結論 | 13 |
| The false hope of current approaches to explainable artificial intelligence in health care | Ghassemi M, Oakden-Rayner L, Beam AL | 2021 | Lancet Digit Health 3(11):e745；DOI 10.1016/S2589-7500(21)00208-9；PMID 34711379 | 期刊版權；只引用論點 | 13 |
| Benchmarking saliency methods for chest X-ray interpretation | Saporta A, et al. | 2022 | Nat Mach Intell 4:867；DOI 10.1038/s42256-022-00536-x | 期刊版權；只引用結論 | 13 |
| Association Between Surgical Skin Markings in Dermoscopic Images and Diagnostic Performance of a Deep Learning Convolutional Neural Network for Melanoma Recognition | Winkler JK, Fink C, Toberer F, et al. | 2019 | JAMA Dermatol 155(10):1135；DOI 10.1001/jamadermatol.2019.1735；PMID 31411641 | 期刊版權；只引用結論 | 13 |
| Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs | Gulshan V, Peng L, Coram M, et al. | 2016 | JAMA 316(22):2402；DOI 10.1001/jama.2016.17216；PMID 27898976 | 期刊版權；數字取自摘要 | 13 |
| A Human-Centered Evaluation of a Deep Learning System Deployed in Clinics for the Detection of Diabetic Retinopathy | Beede E, et al. | 2020 | CHI 2020；DOI 10.1145/3313831.3376718 | ACM；只引用結論 | 13 |
| Real-time diabetic retinopathy screening by deep learning in a multisite national screening programme: a prospective interventional cohort study | Ruamviboonsuk P, Tiwari R, Sayres R, et al. | 2022 | Lancet Digit Health 4(4):e235–e244；DOI 10.1016/S2589-7500(22)00017-6；PMID 35272972 | 期刊版權；數字取自 PubMed 摘要 | 13 |
| Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices | Abràmoff MD, Lavin PT, Birch M, et al. | 2018 | NPJ Digit Med 1:39；DOI 10.1038/s41746-018-0040-6；PMID 31304320 | CC BY 4.0（npj；未逐頁核對） | 13 |
| MobileNetV2: Inverted Residuals and Linear Bottlenecks | Sandler M, Howard A, Zhu M, Zhmoginov A, Chen LC | 2018 | CVPR 2018；arXiv:1801.04381 | arXiv；只引用架構 | 13 |
| Adam: A Method for Stochastic Optimization | Kingma DP, Ba J | 2015 | ICLR 2015；arXiv:1412.6980 | arXiv；只引用公式 | 13 |
| Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift | Ioffe S, Szegedy C | 2015 | ICML 2015；arXiv:1502.03167 | arXiv；只引用概念 | 13 |
| Attention Is All You Need | Vaswani A, et al. | 2017 | NeurIPS 2017；arXiv:1706.03762 | arXiv 論文；只引用概念 | 15 |
| Large language models encode clinical knowledge | Singhal K, et al. | 2023 | Nature 620:172–180；DOI 10.1038/s41586-023-06291-2；PMID 37438534 | 期刊版權；只引用結論 | 15 |
| Performance of ChatGPT on USMLE | Kung TH, et al. | 2023 | PLOS Digit Health 2:e0000198；DOI 10.1371/journal.pdig.0000198；PMID 36812645 | CC BY 4.0（未逐頁確認） | 15 |
| Leakage and the reproducibility crisis in machine-learning-based science | Kapoor S, Narayanan A | 2023 | Patterns 4(9):100804；DOI 10.1016/j.patter.2023.100804；PMID 37720327（PMC10499856） | 開放取用（未逐頁核對授權細節）；數字取自摘要，洩漏類型取自全文 taxonomy 小節 | 14 |
| Automatic classification of heartbeats using ECG morphology and heartbeat interval features | de Chazal P, O'Dwyer M, Reilly RB | 2004 | IEEE Trans Biomed Eng 51(7):1196–1206；DOI 10.1109/TBME.2004.827359；PMID 15248536 | 期刊版權；數字取自 PubMed 摘要 | 14 |
| Synthetic data in machine learning for medicine and healthcare | Chen RJ, Lu MY, Chen TY, Williamson DFK, Mahmood F | 2021 | Nat Biomed Eng 5(6):493–497；DOI 10.1038/s41551-021-00751-8；PMID 34131324（PMC9353344） | 期刊版權；依 PMC 全文轉述 | 16 |
| AI models collapse when trained on recursively generated data | Shumailov I, Shumaylov Z, Zhao Y, et al. | 2024 | Nature 631(8022):755–759；DOI 10.1038/s41586-024-07566-y；PMID 39048682（PMC11269175） | 開放取用；數字取自摘要 | 16 |
| Extracting Training Data from Diffusion Models | Carlini N, Hayes J, Nasr M, et al. | 2023 | arXiv:2301.13188 | arXiv；只引用摘要 | 16 |
| How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models | Alaa AM, van Breugel B, Saveliev E, van der Schaar M | 2021 | arXiv:2102.08921 | arXiv；只引用摘要 | 16 |
| Reducing the dimensionality of data with neural networks | Hinton GE, Salakhutdinov RR | 2006 | Science 313(5786):504–507；DOI 10.1126/science.1127647；PMID 16873662 | 期刊版權；只引用摘要 | 16 |
| Auto-Encoding Variational Bayes | Kingma DP, Welling M | 2013 | arXiv:1312.6114 | arXiv | 16 |
| Generative Adversarial Networks | Goodfellow IJ, Pouget-Abadie J, Mirza M, et al. | 2014 | arXiv:1406.2661 | arXiv | 16 |
| Denoising Diffusion Probabilistic Models | Ho J, Jain A, Abbeel P | 2020 | arXiv:2006.11239 | arXiv；線性雜訊排程取自論文第 4 節 | 16 |
資料集的原始文獻¶
| 標題 | 作者 | 年份 | 出處／識別碼 | 授權 | 章節 |
|---|---|---|---|---|---|
| Nuclear feature extraction for breast tumor diagnosis（WDBC） | Street WN, Wolberg WH, Mangasarian OL | 1993 | SPIE 1905；UCI DOI 10.24432/C5DW2B | 期刊／會議版權；只引用 | 01、04、05、06、09、10、11 |
| Survival analysis of heart failure patients: a case study | Ahmad T, Munir A, Bhatti SH, Aftab M, Raza MA | 2017 | PLoS One 12(7):e0181001；DOI 10.1371/journal.pone.0181001 | CC BY 4.0（PLoS One 預設授權；未逐頁核對） | 02、08 |
| Machine learning can predict survival of patients with heart failure from serum creatinine and ejection fraction alone | Chicco D, Jurman G | 2020 | BMC Med Inform Decis Mak 20:16；DOI 10.1186/s12911-020-1023-5；PMID 32013925 | CC BY 4.0（BMC 開放取用；未逐頁核對） | 02、07、08 |
| International application of a new probability algorithm for the diagnosis of coronary artery disease | Detrano R, et al. | 1989 | Am J Cardiol 64(5):304–310；DOI 10.1016/0002-9149(89)90524-9；PMID 2756873 | 期刊版權；只引用 | 07、10 |
| Least Angle Regression（sklearn diabetes 資料集出處） | Efron B, Hastie T, Johnstone I, Tibshirani R | 2004 | Ann Stat 32(2):407–499 | 期刊版權；只引用 | 04、10 |
| MedMNIST v2 – A large-scale lightweight benchmark for 2D and 3D biomedical image classification | Yang J, Shi R, Wei D, et al. | 2023 | Sci Data 10:41；DOI 10.1038/s41597-022-01721-8；PMID 36658144。另須引用 Yang J, Shi R, Ni B. MedMNIST Classification Decathlon, IEEE ISBI 2021 | 論文開放取用；PneumoniaMNIST、BloodMNIST 為 CC BY 4.0 | 09、12、13 |
| Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning（PneumoniaMNIST 的原始影像來源） | Kermany DS, et al. | 2018 | Cell 172(5):1122–1131.e9；DOI 10.1016/j.cell.2018.02.010；PMID 29474911 | 論文依期刊版權；原始影像資料集 CC BY 4.0（Mendeley Data） | 09、12 |
| A dataset of microscopic peripheral blood cell images for development of automatic recognition systems（BloodMNIST 的原始影像來源） | Acevedo A, Merino A, Alférez S, et al. | 2020 | Data Brief 30:105474；DOI 10.1016/j.dib.2020.105474；PMID 32346559（PMC7182702） | 開放取用（未逐頁核對授權細節）；BloodMNIST 子集為 CC BY 4.0 | 12 |
| Dataset of breast ultrasound images | Al-Dhabyani W, Gomaa M, Khaled H, Fahmy A | 2020 | Data Brief 28:104863；DOI 10.1016/j.dib.2019.104863；PMID 31867417 | open access；資料集授權以原頁為準 | 13 |
| Letter to the Editor. Re: "Dataset of breast ultrasound images" | Pawłowska A, Karwat P, Żołek N | 2023 | Data Brief 48:109247；DOI 10.1016/j.dib.2023.109247；PMID 37383756 | open access；只引用結論 | 13 |
| Gretel symptom_to_diagnosis（Hugging Face 資料集卡片；上游為 Kaggle Symptom2Disease） | Gretel.ai；上游 Barman NR | — | HF dataset card | Apache-2.0（HF 實查）；上游 Kaggle 為 CC0 | 15 |
| The impact of the MIT-BIH Arrhythmia Database | Moody GB, Mark RG | 2001 | IEEE Eng Med Biol Mag 20(3):45–50；DOI 10.1109/51.932724；PMID 11446209 | 期刊版權；資料庫本身 ODC-By v1.0 | 14、16 |
| PhysioBank, PhysioToolkit, and PhysioNet: components of a new research resource for complex physiologic signals | Goldberger AL, Amaral LAN, Glass L, et al. | 2000 | Circulation 101(23):e215–e220（PhysioNet 要求的標準引用） | 期刊版權 | 14、16 |
| PTB-XL, a large publicly available electrocardiography dataset | Wagner P, Strodthoff N, Bousseljot RD, et al. | 2020 | Sci Data 7:154；DOI 10.1038/s41597-020-0495-6；PMID 32451379（PMC7248071） | CC BY 4.0 | 14（只在文字介紹 strat_fold，未下載） |
專欄：Jev 與 Laya 的一手來源¶
查證紀錄與每個數字的出處見 research/refs/column_jev_laya.md（2026-10-07 查證）。
| 標題 | 作者／機構 | 年份 | 出處／識別碼 | 授權 | 章節 |
|---|---|---|---|---|---|
| Introducing System One Models & Jev | Almeida D（TypeSafe AI） | 2026 | 官方部落格（2026-09-15） | 官方網站；只引用（開發者自報） | 專欄 |
| TypeSafe 文件：Introduction、Models、Jev 1.13 jaggedness | TypeSafe AI | 2026 | docs.typesafe.ai；Models；Jaggedness | 官方文件；只引用（開發者自報） | 專欄 |
| Laya model card | Convai Innovations | 2026 | Hugging Face convaiinnovations/laya；GitHub | 模型與程式碼 Apache-2.0；只引用（開發者自報） | 專欄 |
| jev-benchmarks | AbdelStark | 2026 | GitHub | Apache-2.0；只引用（第三方，未經同儕審查） | 專欄 |
| DMB: decision-model benchmark | nibzard | 2026 | GitHub | 只引用（第三方，未經同儕審查） | 專欄 |
| JevBench（v1.2.2 加入 Laya 英文版） | Standhartinger F（Benchmark Heaven） | 2026 | GitHub：results/v1.2/additions/laya.json |
MIT；只引用（第三方，未經同儕審查） | 專欄 |
| JevOut: Natural Context Can Flip Decision Models | Xu Z | 2026 | arXiv 2609.30243 | arXiv 預印本；只引用結論（未經同儕審查） | 專欄 |
三、資料集來源¶
各資料集的載入方式、樣本數、授權與已知問題，請見 資料集一覽，此處不重複。本站各章使用的資料集有：Breast Cancer Wisconsin（第 1、4、5、6、9、10、11 章）、Heart Failure Clinical Records（第 2、7、8 章）、Chronic Kidney Disease、Pima Indians Diabetes 與 WHO GHO API（第 3 章）、sklearn Diabetes（第 4、10 章）、Medical Abstracts TC Corpus（第 5 章）、Heart Disease Cleveland（第 7、10 章）、PneumoniaMNIST（第 9、12 章）、BloodMNIST（第 12 章）、BreastMNIST（第 13 章）、Gretel symptom_to_diagnosis（第 15 章）、CDC Diabetes Health Indicators（第 11 章）、MIT-BIH Arrhythmia Database（第 14、16 章，PhysioNet，ODC-By v1.0）。
四、互動元件、工具與其他¶
互動元件¶
| 標題 | 作者／機構 | 授權 | 用法 | 章節 |
|---|---|---|---|---|
| TensorFlow Playground（原始碼） | Smilkov D, Carter S（Google） | Apache-2.0 | 第 9 章 iframe 嵌入（附出處與開新分頁連結）；第 1 章只連結 | 01、09 |
| CNN Explainer（原始碼） | Wang ZJ, Turko R, Shaikh O, et al.（Georgia Tech Polo Club of Data Science） | MIT（GitHub API，2026-10-06） | 第 12 章 iframe 嵌入（附出處與開新分頁連結） | 12 |
| Transformer Explainer | Georgia Tech Polo Club | MIT | 第 15 章連結＋折疊 iframe | 15 |
| MLU-Explain：Logistic Regression、Decision Trees、Random Forest | Amazon MLU | 文章 CC BY-SA 4.0（aws-samples/aws-mlu-explain）；Logistic Regression 頁授權未逐頁驗證 | 只連結、未改作 | 04、07 |
| setosa.io：Ordinary Least Squares Regression、Principal Component Analysis Explained Visually | Victor Powell、Lewis Lehe | repo 為 MIT；頁面文字授權未聲明 | 只連結、未 iframe | 04、10 |
| ConvNetJS 2D classification demo | Andrej Karpathy | MIT（github.com/karpathy/convnetjs） | 只連結 | 06 |
| Visualizing K-Means Clustering | Naftali Harris | 未聲明授權 | 只連結、未 iframe | 08 |
建置與前端工具¶
| 標題 | 作者／機構 | 授權 | 用途 | 章節 |
|---|---|---|---|---|
| Plotly.js 2.35.2 | Plotly | MIT | 自寫互動 demo 的繪圖（全站載入） | 04、05、06、10 |
| Cubic 11 俐方體 11 號 v1.500 | ACh-K（衍生自 JF Dot M+H 12 / M+ BITMAP FONTS） | SIL OFL-1.1（授權檔隨站附於 assets/fonts/Cubic_11_OFL.txt） |
站名、導覽列、標題、按鈕的像素字型（自架 woff2） | 全站 |
| MkDocs 1.6.1 | MkDocs 社群 | BSD-2-Clause（pip 套件 metadata） | 站台建置 | 全站 |
| Material for MkDocs 9.7.7 | Martin Donath | MIT（pip 套件 metadata） | 站台主題 | 全站 |
| KaTeX 0.16.11 | KaTeX 社群 | MIT（未逐一驗證） | 數學式渲染（CDN） | 全站 |
| Anaconda Distribution | Anaconda, Inc. | 商業網站；只連結 | 第 1 章環境安裝（選配） | 01 |
| Keras Applications：MobileNetV2 ImageNet 預訓練權重 | Keras team（權重轉自 tensorflow/models 的 checkpoint） | 程式碼 Apache-2.0；權重授權官方未明列，以官方為準（查證紀錄見 research/refs/ch13.md）；ImageNet 使用條款限非商業研究／教育；本站不重新散布權重 |
notebook 執行時下載的預訓練骨幹 | 13 |
術語、法規與標準¶
| 標題 | 機構 | 授權 | 用途 | 章節 |
|---|---|---|---|---|
| 國家教育研究院樂詞網 | 國家教育研究院 | 政府網站；只引用詞條 | 術語官方譯名（如「過度配適」） | 01 |
| 政府資料開放授權條款－第 1 版 | 數位發展部 | 條款本身；允許任何目的利用，需顯名聲明 | data.gov.tw 授權說明 | 03 |
| 個人資料保護法（第 6 條特種個資） | 全國法規資料庫 | 法規（公共領域） | 爬蟲倫理段落，僅概述 | 03 |
| RFC 9309: Robots Exclusion Protocol | IETF | IETF Trust；只引用 | robots.txt 標準 | 03 |
| WHO robots.txt | WHO | 網站檔案；僅讀取解析、不轉載 | robotparser 示範 |
03 |
| Artificial Intelligence-Enabled Medical Devices | U.S. FDA | 美國政府網站 | AI 醫材清單筆數（1,614 筆，2026-10-06 擷取） | 13 |
| 人工智慧/機器學習技術之醫療器材軟體查驗登記技術指引（2020-09-11 公告） | 衛生福利部食品藥物管理署 | 政府網站；只引用名稱與日期 | 台灣 AI 醫材法規 | 13 |