0 門檻！0 負擔！9 天秒懂大數據 & AI 用語（iT邦幫忙鐵人賽系列書）
張孟駸 (張小馬)
- 出版商: 博碩
- 出版日期: 2019-06-03
- 定價: $420
- 售價: 7.8 折 $328
- 語言: 繁體中文
- 頁數: 256
- ISBN: 9864343955
- ISBN-13: 9789864343959
-
相關分類:
大數據 Big-data、Machine Learning
立即出貨 (庫存 < 10)
買這商品的人也買了...
-
$234編程珠璣, 2/e (修訂版) (Programming Pearls, 2/e) -
$179編程珠璣 : 續 (修訂版) (More Programming Pearls: Confessions of a Coder) -
為你自己學 Git$500$425 -
超圖解！認識 AI人工智慧的第一本書$380$323 -
R語言資料分析：從機器學習、資料探勘、文字探勘到巨量資料分析, 3/e$550$429 -
秒懂金融科技$380$300 -
0 陷阱！0 誤解！8 天重新認識 JavaScript！（iT邦幫忙鐵人賽系列書）$550$468 -
持續交付 2.0：實務導向的 DevOps$680$530 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
讓 TypeScript 成為你全端開發的 ACE！（iT邦幫忙鐵人賽系列書）$650$553 -
金魚都能懂的 CSS 選取器：金魚都能懂了你還怕學不會嗎（iT邦幫忙鐵人賽系列書）$560$437 -
Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽系列書）$500$390 -
新手村逃脫！初心者的 Python 機器學習攻略（iT邦幫忙鐵人賽系列書）$500$390 -
和艦長一起 30 天玩轉 GitLab（iT邦幫忙鐵人賽系列書）$500$390 -
在 React 生態圈打滾的一年 feat.TypeScript（iT邦幫忙鐵人賽系列書）$550$429 -
IoT 沒那麼難！新手用 JavaScript 入門做自己的玩具！（iT邦幫忙鐵人賽系列書）$520$406 -
區塊鏈生存指南：帶你用 Python 寫出區塊鏈！（iT邦幫忙鐵人賽系列書）$520$406 -
生活資安五四三！：從生活周遭看風險與資訊安全（iT邦幫忙鐵人賽系列書）$500$390 -
前端三十：從 HTML 到瀏覽器渲染的前端開發者必備心法（iT邦幫忙鐵人賽系列書）$550$429 -
改變歷史的加密訊息（iT邦幫忙鐵人賽系列書）$400$312 -
善用 UX 來提升 UU：打造滿足新手和專家的 UI（iT邦幫忙鐵人賽系列書）$450$351 -
JavaScript 爬蟲新思路！從零開始帶你用 Node.js 打造 FB＆IG 爬蟲專案（iT邦幫忙鐵人賽系列書）$620$484 -
你所不知道的必學前端 Debug 技巧：即學即用！讓你 Debug 不求人 (iT邦幫忙鐵人賽系列書)$620$484 -
資安這條路：領航新手的 Web Security 指南，以自建漏洞環境學習網站安全（iT邦幫忙鐵人賽系列書）$680$578 -
ECMAScript 關鍵 30天：ES5 到 ESNext 精準進擊 JS 語法與核心（iT邦幫忙鐵人賽系列書）$600$468
商品描述
♕ iT邦幫忙鐵人賽系列書的第一砲 ♕
大數據和拔蘿蔔剁排骨能有什麼關係？讓小馬兒來告訴你！
專業且完整的【大數據】資料處理過程與【人工智慧】各角度詮釋，竟能以一碗最貼近人心的蘿蔔排骨湯和瘋狂外科老師，做深入淺出的最佳解釋？
作者筆觸幽默、風格獨特，生動的譬喻方式與再真實不過的職場閒聊篇，常令人深有同感地會心一笑。最後還有面試實戰大解析，讓你知道面試官到底在想什麼！
☛ 本書獻給 ☚
▶常聽到新聞或親朋好友口中的大數據、機器學習、人工智慧，卻總是搞不懂到底在講什麼？那你該看看小馬兒寫的這本書。
▶老闆滿口大數據、人工智慧，公司卻連wifi都會斷線，身處專業領域的你，更該看看將資訊人員心中之苦盡述的這本書。
作者簡介
張孟駸
江湖人稱「張小馬」，畢業於國立中正大學，念了六年經濟學 ( 不是延畢…是大學加碩班 )。興趣廣泛，鋼琴YAMAHA六級、圍棋業餘二段、日本麻將四段，拿過德州撲克錦標賽冠軍，登頂過玉山主峰，家裡有全套金庸、亞森羅蘋、火影忍者、航海王……( 族繁不及備載 )，每年看超過兩百部電影，17歲就開始出書。可謂「樣樣皆通，件件稀鬆」……。
出社會後一頭栽入數據分析的世界，職涯中屢遇伯樂識馬，從一個社會新鮮人蛻變為上市公司數據部門主管僅五年時間。一套自行開發的機器學習選股，年報酬率8%以上，三十歲就靠自己在台北買了房，屬於草莽出身的人生勝利組。個人一生志向：功名隨便、利祿隨緣，只求一窺資訊科技資料數據領域之邏輯真理，朝此偉大的航道持續前進！
目錄大綱
Day 0 前言與基本框架
Day 1 資料匯入（ETL）
Day 2 資料清洗（Data Cleansing）
Day 3 資料採礦（Data Mining）
Day 4 資料分析（Data Analysis）
Day 5 資料處理回顧與起源
Day 6 大數據（Big Data）
Day 7 商業智慧（Business Intelligence）
Day 8 機器學習（Machine Learning, ML）
Day 9 人工智慧（Artificial Intelligence, AI）
