資料科學入門完全指南:資料分析的觀念 處理 實作

劉弘祥 著

  • 出版商: 深智數位
  • 出版日期: 2023-09-20
  • 定價: $700
  • 售價: 7.9$553
  • 語言: 繁體中文
  • 頁數: 304
  • ISBN: 6267273857
  • ISBN-13: 9786267273852
  • 相關分類: Data Science
  • 立即出貨 (庫存 > 10)

  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-1
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-2
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-3
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-4
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-5
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-6
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-7
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-8
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-9
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-10
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-11
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-12
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-13
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-14
  • 資料科學入門完全指南:資料分析的觀念 處理 實作-preview-15
資料科學入門完全指南:資料分析的觀念 處理 實作-preview-1

買這商品的人也買了...

相關主題

商品描述

  • Chapter1 資料的概念:在最開始的地方,以一系列的案例讓讀者認識到資料的價值(1.1),並且學習透過資料的型態(1.2 和尺度(1.3 來認識資料。
  • Chapter2 Python 基礎:對於沒有程式基礎的讀者,會從 Python的介紹和環境安裝(2.1 2.2 開始,並且介紹一些基礎的程式語法與邏輯(2.3 2.4),讓讀者可以快速上手Python
  • Chapter3 基本數值資料處理:分別介紹在資料分析中最常用到的NumPy3.1 Pandas3.2),讓讀者可以對各種基本的資料進行處理與分析。
  • Chapter4 各式資料處理:除了基本的數值資料以外,更進一步介紹對於影像(4.1 4.2)、音訊(4.3 4.4)、文字(4.5 4.6 類型資料的觀念與實作。
  • Chapter5 資料前處理:專門介紹各種拿到資料後要先做的前處理方式,包含資料清理(5.1)、資料轉換(5.2),以及如何進行合適的資料視覺化(5.3)。
  • Chapter6 其他專題補充:針對本書無法展開的內容,透過一個個小實作專題進行補充介紹,包含探索式分析(6.1)、網頁爬蟲(6.2)、機器學習與模型評估(6.3)、ChatGPT API6.4)、HuggingFace6.5)、資料管線(6.6)、常見誤區(6.7 等。

作者簡介

劉弘祥

出身於物理與電機背景,在資料科學領域打滾了五年,累積了許多不同類型資料的處理經驗。同時也擅長將各種內容用簡單易懂的方式清楚的說明,在IThome上的資料分析與Notion系列文章總共已超過15萬次的瀏覽。

曾參與合作過的對象及專案:

  • 司法院:量刑趨勢資訊系統
  • Gogoro:輿情分析系統
  • 中研院:Audioviz音樂分析工具
  • 聯詠科技:語音訊號處理
  • Positive Grid:自動伴奏系統
  • 其他尚有工研院、國衛院、WordBranch、浪LIVEGarmin、中華電信等。

目錄大綱

Chapter1 資料的概念

1.1-資料的價值

1.2-資料的型態

1.3-資料的尺度

 

Chapter2 Python基礎

2.1-Python語言

2.2-Python環境

2.3-基本運算

2.4-流程與控制結構

 

Chapter3 基本數值資料處理

3.1-numpy

3.2-pandas

 

Chapter4 各式資料處理

4.1-影像資料原理

4.2-影像資料處理實作

4.3-音訊資料原理

4.4-音訊資料處理實作

4.5-文字資料原理

4.6-文字資料處理實作

 

Chapter5 資料前處理

5.1-資料清理

5.2-資料轉換

5.3-資料視覺化

 

Chapter6 其他專題補充

6.1-探索式分析(EDA

6.2-網頁爬蟲

6.3-機器學習與模型評估

6.4-ChatGPT建立QA回答系統

6.5-Hugging Face

6.6-資料管線

6.7-常見誤區