資料科學、機器學習是近來最夯的關鍵字, 所引發的學習熱潮從未間斷。然而初學的你只要稍微上網搜尋可能會發現, 資料科學涉及的領域實在超~級~廣, 包括 AI、機器學習、程式設計、資料視覺化、數學、統計...等等, 一拖拉庫的名詞都與資料科學沾上邊;相關書籍更是不少, 各書的切入點明顯都不一樣, 卻都一致高喊「我帶你學資料科學!」讓初學者看得更花了, 對於如何入門愈來愈沒頭緒...
這麼雜到底怎麼學?AI、統計、Python / R 程式語言...通通碰過一輪?
先看完這本書再說!與其雜亂無章東學西學, 本書大聲告訴你:「資料科學沒那麼複雜!」, 只要跟著書中精心設計的「資料科學 5 步驟」:
問個感興趣的問題 → 資料取得 → 資料處理 → 探索性資料分析 → 機器學習做資料分析
「記牢」、「做熟」這 5 步就夠了!
[鐵了心就是要你會!利用 Colab ✕ Python 反覆操演]
在各步驟中, 我們會帶你用 Colab 免費雲端平台以及 Python 這個超夯工具動手操演多個資料科學經典案例, 讀者可以從過程中逐步吸收資科科學乃至於機器學習各階段要處理的「眉眉角角」。
要是做過一輪還不熟沒關係, 我們換個範例多 run 幾遍!幾輪下來一定會對資料科學的內涵更加清晰, 也會對機器學習在其中所扮演的角色有更深刻的認識!
[圖解爆棚, 隨便翻閱都有感]
更棒的是, 學習資料科學、機器學習免不了會碰到許多看起來很難懂的數學公式, 實作時也得學習各種陌生的 Python 語法, 為此作者特別在書中設計大量插圖, 協助你有效率地理解內容;而每一章最前面的「學習地圖」更可以幫你隨時掌握學習脈絡, 有這些超圖解的「加持」, 讓你遇到再複雜的概念也不怕!
[作者序]
數位世界:一個由科學島嶼、資料海洋和機器船隻組成的學習宇宙。數位玩家依循本書的學習地圖開展自己的征程, 面對量大 (Volume)、增長快 (Velocity) 與多樣性高 (Variety) 的無常資料海洋、與詭譎的資料分析強浪, 憑借玩家的學習毅力與本書的智慧導引, 建立起一個強大的數據分析艦隊。沿著混亂的資料海域、探勘出誘人的新知識與新智慧寶藏, 在「資料科學 ✕ 機器學習」旗幟的指引下, 為了在資訊時代下生存, 而辛勤學習不息。
給<高中生>能完成的小專題:高中職資訊科技的加深加廣與建構學習歷程。
給<大專生>需要的資料分析技能:各科系的大學生都可能要學做資料分析。
給<上班族>體驗大數據分析與機器學習理論與實作:輕鬆學資料科學與機器學習, 為下一個十年預做準備。
聽聞大數據 (資料科學)、人工智慧 (機器學習) 這麼久了, 其實您也可以「DIY」!現在萬事俱備, 因為有底下這麼多便利工具可以協助你動手實作!
‧Google Colab:免安裝, 直接在雲端上使用的互動式線上程式開發平台。
‧Python:提供跟機器學習演算法有關的各種便利函式, 任何人都可免費、輕易上手。
‧Pandas 套件:被喻為 Excel 般的便利工具, 以最少的學習負擔為前題, 用它即可輕鬆完成資料處理、資料視覺化等複雜作業。
今日, 作者群忍不住喊出「We make it easy, and you make it.」
明日, 期待您也和我們一樣發出感動的「I make it!」
本書特色:
□ 精心設計豐富插圖, 每一頁都有感!
□ 零數學公式、統計符號, 輕鬆學會資料科學、機器學習!
□ 用最夯的 Colab + Python 動手實作
□ 機器學習實戰演練:線性迴歸分析、KNN 分類、K-Means 分群...
□ 範例滿載!一次不熟換個範例多 run 幾次保證讓你會!
目錄
Ch01 破冰!資料科學觀念養成
Ch02 Python 資料科學實作平台:Google Colab
Ch03 認識資料科學神器 pandas 並用網路爬蟲取得資料
Ch04 初探資料科學 (一):用 pandas 做資料前處理
Ch05 初探資料科學 (二):用資料視覺化發掘重要資訊
Ch06 經典案例演練!更深入的探索性資料分析
Ch07 資料科學 Level UP!認識機器學習演算法
Ch08 機器學習實戰 (一):用線性迴歸分析做趨勢預測
Ch09 機器學習實戰 (二):用 K最近鄰法 (KNN) 做分類
Ch10 機器學習實戰 (三):用 K平均法 (K-Means) 做分群
Ch01 破冰!資料科學觀念養成
Ch02 Python 資料科學實作平台:Google Colab
Ch03 認識資料科學神器 pandas 並用網路爬蟲取得資料
Ch04 初探資料科學 (一):用 pandas 做資料前處理
Ch05 初探資料科學 (二):用資料視覺化發掘重要資訊
Ch06 經典案例演練!更深入的探索性資料分析
Ch07 資料科學 Level UP!認識機器學習演算法
Ch08 機器學習實戰 (一):用線性迴歸分析做趨勢預測
Ch09 機器學習實戰 (二):用 K最近鄰法 (KNN) 做分類
Ch10 機器學習實戰 (三):用 K平均法 (K-Means) 做分群
購物須知
退換貨說明:
會員均享有10天的商品猶豫期(含例假日)。若您欲辦理退換貨,請於取得該商品10日內寄回。
辦理退換貨時,請保持商品全新狀態與完整包裝(商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等)一併寄回。若退回商品無法回復原狀者,可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。