紙本書定價:NT$ 500
電子書定價:NT$ 500
電子書售價:NT$ 350
了解AI與資料科學的最佳入門書!
【學界、業界專業人士好評推薦】
詳細資訊
身處在資料化社會,
每天都面對排山倒海而來的資訊,我們究竟該如何應對?
每天一睜眼,抓起手機一看,又是滿滿當當的資訊浪潮來襲;
不僅如此,送小孩上學、到公司工作,下班與家人聊天,
我們無時不刻都在與周遭的人分享情報、使用情報。
情報「資料化」其實是一門近在你我身旁的科學,
在資訊及通訊科技(ICT)高度發展的今日,
這樣的時代早已經到來,而且越卷越快速,任何人都無法避免面對這股浪潮。
比如什麼是大數據?大數據又該如何運用?運用的倫理界線在哪裡?等等問題,
我們的日常周遭充斥著各式各樣的資料。如果少了資料,就連一般的生活都無法順利運作。
「資料科學」即是研究現代社會不可或缺的「資料」之科學。
「懂資料」並「運用資料」的資料科學知識能力在未來AI世代越來越顯其重要性,
本書將在本書的章節中一一介紹,以當代和未來社會中,
分析佔據我們生活越來越多時間的「資料處理」的過程,以及我們該用什麼心態和方法面對。
本書是一本「入門用的入門書」,使用大量的插畫與圖表進行簡單易懂的解說,
讓讀者能夠粗略掌握資料科學的概要。
本書不使用困難的公式,因此也很推薦給看到公式就頭痛的人。
名人推薦
了解AI與資料科學的最佳入門書!
【學界、業界專業人士好評推薦】
國立高雄大學電機系教授及人工智慧研究中心顧問、前執行長|吳志宏
Google機器學習開發專家
| 吳柏翰(Jerry Wu)
高雄大學特聘教授、財團法人人工智慧法律國際研究基金會執行長
| 張麗卿
翱翔智慧創辦人
| 張竣貿
Google語音助理技能開發者
| 游紹宏
中央研究院資訊創新科技研究中心主任及特聘研究員
| 黃彥男
(按姓氏筆畫排序)
目錄列表
超圖解 資料科學Data Science:數據處理 入門中的入門,強化處理力×判讀力×資料倫理- 書封
- 前言
- 第1章何謂資料科學―資料與社會
- 1-1資料與社會
- 1)我們的日常生活與資料
- 2)資料化社會的到來
- 1-2資料科學與資料科學家
- 1)資料科學是一門定義因人而異的科學
- 2)資料分析的4道工程
- 3)資料科學家的工作
- 第2章瞭解資料―資料分析的第一工程―
- 2-1將資料分門別類
- 1)調查資料與非調查資料
- 2)大數據與非大數據
- 2-2掌握資料的特徵
- 1)變數與資料
- 2)定量資料與定性資料
- 3)個體資料與總體資料
- 2-3準備資料
- 1)透過調查蒐集資料
- 2)透過網路蒐集資料
- 2-4資料整形
- 1)何謂資料整形
- 2)完全資料與不完全資料
- 3)離群值
- 4)選擇偏誤
- 第3章解讀資料―資料分析的第二工程―
- 3-1總計資料並且視覺化
- 1)掌握資料的分布
- 2)各種圖表
- 3-2歸納資料的資訊
- 1)取得資料的資訊
- 2)掌握單一變數的資料特徵
- 3)找出2個變數的關係
- 4)掌握多維資料的關係
- 5)為了將結論一般化
- 第4章分類資料―資料分析的第三工程―
- 4-1分類相似者
- 1)集群分析的概念
- 2)運用集群分析進行分類
- 4-2合併數個變數
- 1)主成分分析的概念
- 2)使用主成分分析來分類
- 4-3分類定性資料
- 1)數量化Ⅲ類的概念
- 2)使用數量化Ⅲ類來分類
- 第5章使用資料進行預測―資料分析的第四工程―
- 5-1根據資料進行預測
- 1)迴歸分析的概念
- 2)使用迴歸分析進行預測
- 5-2評估預測的好壞
- 1)多元迴歸分析的概念
- 2)好的迴歸模型
- 3)各種迴歸診斷
- 5-3預測定性資料
- 1)數量化I類
- 2)邏輯斯迴歸
- 第6章探討資料倫理―給資料化社會敲響警鐘―
- 6-1何謂資料倫理
- 1)資料倫理與資料化社會
- 2)資訊倫理的4大原則與資料倫理的規範例子
- 3)分析倫理
- 6-2違反倫理事件簿
- 1)得安穩事件
- 2)統計不當事件
- 第7章資料科學與AI―大數據帶來的資料革命―
- 7-1機器學習的基礎
- 1)機器學習、深度學習與AI
- 2)資料準備
- 3)演算法選擇
- 4)參數調整
- 5)選擇模型
- 7-2人工神經網路與AI
- 1)AI與資料科學的關係
- 2)何謂人工神經網路?
- 3)人工神經網路的構成要素
- 附錄體驗資料科學
- 幫助各位更加瞭解資料科學的參考書籍
- 索引
- 版權頁
購買說明
根據台灣現行法規,數位內容( 如電子書、音樂、影片、遊戲、App )形式之商品,不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益,建議您先使用「試讀」功能後再付款購買。