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 絵と図でわかる データサイエンス
上藤一郎 著 王美娟 譯
- 出版商: 東販出版
- 出版日期: 2022-03-28
- 定價: $500
- 售價: 9.0 折 $450
- 語言: 繁體中文
- 頁數: 192
- ISBN: 6263291540
- ISBN-13: 9786263291546
-
相關分類:
Data Science
立即出貨 (庫存=1)
買這商品的人也買了...
-
$512嵌入式 Linux 應用開發完全手冊
-
$779$740 -
$560$437 -
$480$379 -
$699$552 -
$580$452 -
$350$277 -
$380$342 -
$400$360 -
$699$552 -
$880$695 -
$800$624 -
$420$332 -
$480$360 -
$580$458 -
$1,200$948 -
$680$530 -
$680$537 -
$630$498 -
$720$540 -
$1,280$1,011 -
$980$774 -
$680$537 -
$750$593 -
$800$632
相關主題
商品描述
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)
作者簡介
上藤一郎
靜岡大學人文社會科學院教授。專業領域為統計學、科學史(統計學史、機率論史)。資料科學相關著作及譯作有:《資料科學入門:透過Excel學習如何蒐集、檢視、運用統計資料》(歐姆社,合著)、《用於調查與分析的統計:社會與經濟的資料科學》(丸善,合著)、《不用公式一看就懂的資料科學:大數據時代必備的資料素養》(歐姆社,譯作)等等(以上皆為暫譯)。
目錄大綱
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