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
買這商品的人也買了...
-
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
安全領航數位時代 -- 企業主管資訊安全指南$799$679 -
深度學習 (Deep Learning)(繁體中文版)$1,200$1,020 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
白話演算法！培養程式設計的邏輯思考 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$520$468 -
資料科學的建模基礎 : 別急著 coding！你知道模型的陷阱嗎？$599$473 -
資料科學的統計實務 : 探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步$599$473 -
OpenCV 影像創意邁向 AI 視覺王者歸來 (全彩印刷)$890$703 -
Python 資料科學實戰教本 - 爬蟲、清理、資料庫、視覺化、探索式分析、機器學習建模，數據工程一次搞定！$680$537 -
IT 工程師必需！Linux 快速入門實戰手冊 - 從命令列、系統設定到開發環境建置, 實體機、虛擬機、容器化、WSL、雲端平台全適用$630$498 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
Python 大數據專案 X 工程 X 產品 資料工程師的升級攻略, 2/e$780$616 -
行銷資料科學｜大數據 x 市場分析 x 人工智慧, 2/e$550$412 -
從 AI 到 生成式 AI：40個零程式的實作體驗，培養新世代人工智慧素養$560$442 -
ChatGPT × 遊戲設計概論$720$562 -
未來數位科技活用大全：從 AI 協作、程式設計、資訊安全到大數據分析$580$452 -
決戰！微前端架構 Micro Frontends：新一代可擴展的網頁開發模式，實現各種框架的無縫整合與溝通$820$648 -
Python 資料分析, 3/e (Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, 3/e)$980$774 -
ChatGPT 4 + API 創新體驗 AI 世界邁向開發機器人程式王者歸來（全彩印刷）$780$616 -
Python 設計模式與開發實務 (Python Programming with Design Patterns)$580$458 -
AI 時代 Math 元年 - 用 Python 全精通數學要素$980$774 -
用 Python 快速上手資料分析與機器學習, 2/e$680$537 -
最強 AI 投資分析：打造自己的股市顧問機器人，股票趨勢分析×年報解讀×選股推薦×風險管理$750$593 -
Python 技術手冊, 4/e (Python in a Nutshell: A Desktop Quick Reference, 4/e)$1,200$948 -
生成式 AI 入門 – 揭開 LLM 潘朵拉的秘密 : 語言建模、訓練微調、隱私風險、合成媒體、認知作戰、社交工程、人機關係、AI Agent、OpenAI、DeepSeek (Introduction to Generative AI)$580$458
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NumPy（3.1） 和Pandas（3.2），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 API（6.4）、HuggingFace（6.5）、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LIVE、Garmin、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-用ChatGPT建立QA回答系統
6.5-Hugging Face
6.6-資料管線
6.7-常見誤區
