圖解資料科學的工作原理
増井敏克 著 衛宮紘 譯
- 出版商: 碁峰資訊
- 出版日期: 2023-04-11
- 定價: $480
- 售價: 7.9 折 $379
- 語言: 繁體中文
- 頁數: 240
- 裝訂: 平裝
- ISBN: 6263244607
- ISBN-13: 9786263244603
-
相關分類:
Data-visualization
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
鍛鍊你的數學腦|讓你寫出簡單快速的 69道解題程式$400$316 -
New TOEIC新版多益完全攻略(點讀擴編版):2018年最新題型【書+1片DVD-ROM電腦互動光碟(含朗讀MP3功能)】$499$394 -
鍛鍊你的數學腦|讓你寫出簡單快速的 70道進階解題程式$400$316 -
CNN主播最常用的新聞關鍵英語單字:【書+1片CD-ROM電腦互動光碟(含朗讀MP3)】$499$394 -
圖解資訊安全與個資保護|網路時代人人要懂的自保術$380$323 -
圖解網路的運作機制$380$323 -
圖解 IT基本力:256個資訊科技關鍵字全圖解$400$340 -
圖解程式設計的技術與知識$450$356 -
圖解雲端技術的原理與商業應用$450$356 -
Mapping Experiences 看得見的經驗, 2/e (Mapping Experiences: A Complete Guide to Customer Alignment Through Journeys, Blueprints, and Diagrams, 2/e)$780$616 -
圖解資料庫的工作原理$450$356 -
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$500$425 -
資料科學輕鬆學 (Data Analytics Made Accessible)$480$379 -
圖解 AWS 雲端服務$480$379 -
最好懂的機器學習書 - 使用 Python 了解原理、演算法及實戰案例$780$616 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
演算法邏輯力:工程師必備的演算法解題、設計、加速技巧 (Algorithmic Thinking: A Problem-Based Introduction)$720$562 -
ChatGPT 4 萬用手冊:超強外掛、Prompt 範本、Line Bot、OpenAI API、Midjourney、Stable Diffusion$630$498 -
白話機器學習$780$616 -
圖解 AI 人工智慧$480$379 -
軟體測試實務 : 業界成功案例與高效實踐 [ I ]$650$507 -
軟體測試實務 : 業界成功案例與高效實踐 [ II ]$600$468 -
圖解演算法原理$480$379 -
SRE 實踐與開發平台指南:從團隊協作、原則、架構和趨勢掌握全局,做出精準決策$620$484 -
約耳再談軟體 (More Joel on Software)$580$458
相關主題
商品描述
書中收錄給新手的重點詞彙集!
從分析方法到AI基本概念,圖解所有應該掌握的知識
圖表、數值種類、資料結果等,從基礎知識開始講解!
技術相關項目也會圖解說明,幫助初學者理解內容!
完整收錄統計學、AI基礎概念等相關知識!
網羅資訊社會中資料運用的問題點與課題!
資料科學家(Data Scientist)一詞已經使用超過10年,資料科學(Data Science)也時有耳聞。AI、物聯網愈發受到注目,IT工程人員紛紛投入資料分析的業務,運用他人的分析結果建構系統的事例亦不斷增加。相信不久的將來,在商務中使用資料會將變得理所當然。
稍微掌握基礎知識後,會想要嘗試複雜的分析手法。然而即便完成高階分析,如果接收者無法理解分析結果,就失去資料分析的意義了。
分析人員對分析手法會有深入了解,會仔細調查新的分析方法,但接收分析結果的受眾,不見得有充實的背景知識。
因此,如果最後的結論相同,建議使用比較簡單的方法。即便不用高階統計方法、機器學習,簡單的圖表也足以解釋背後的意義。有時也不需要使用數值資料準確地分析,簡單易懂的圖解就十分足夠。
然而接收分析結果的人不宜毫無背景知識,也不應因方便而要求使用簡單的分析方法。不僅是分析人員,接收分析結果的人的也需要學習。
本書將會圖解介紹各種分析方法的概要,但收錄的內容終究僅是概略的內容,想要進一步深入了解的話,建議搭配專業書籍來閱讀。不過,了解有哪些分析方法、掌握各種手法的特徵,其實本書就綽綽有餘了。在運用手邊的資料之前,一起學習資料的分析方法及處理時的注意事項吧。
-增井敏克
目錄大綱
第1章 資料科學的相關技術
∼未來需求漸升的必修科目∼
第2章 資料的基本知識
∼資料的表達方式與閱讀方式∼
第3章 資料處理與運用
∼歸類並預測資料∼
第4章 應該知道的統計學知識
∼由資料推論答案∼
第5章 需要知道的AI知識
∼常用的手法與工作原理∼
第6章 資訊安全與隱私問題
∼資訊社會今後的走向∼
詞彙集









