Big Data 時代來臨，從前習慣將資料分類，使用統計的方式找出規律。但在Big Data 時代，每一筆資料都要被重視(Every piece of data counts)。還好硬體技術不斷進步，再加上雲端時代的資源合理分配，電腦及網路幫了極大的忙，讓我們真的可以深入每一筆資料找出重點，而非簡單的分類及整合而已。

然而到了公元2020 年，我們將擁有44ZB 的資料量( 資料來源EMC)，44ZB 的資料量是多少呢？

44 X 1,000,000,000,000,000,000,000 個位元組。在看慣超大資料的我們可能對這後面的21 個0 沒什麼感覺，但換個方式來看，用最新的iPhone 6 64GB 的大小來裝這些資料疊起來，可以來回地球和月球15 次！數值只要一進入天文數字，就進入了數學家的領域，真正面對資料的使用者也就麻木了。事實上，到2020 年為止，就算莫爾定律可行，屆時的電腦計算能力，很可能剛剛好處理這些資料而已，硬體及軟體的能力也得隨著資料量一直演化。

就算電腦做到了，人腦呢？ 目前世界上還沒出現Lucy 中的100% 全腦人類，你我都是平凡人，還是得不斷消化這些資料成為有用的資訊，這麼大量的資料及資訊，科學家不斷找出最適合人類吸收的方式。千語萬語不如一圖，有圖有真相，用視覺化的方式把資料映射到人腦中，一直是最好的方式。

技術及理論的書籍，極少出現在中文的出版物中，偏尋英文書籍，提到資料視覺化的書也寥寥無幾。這本由真正專業及投入資料視覺化的學者所撰寫的書，在2013 年底看到書時，就一頭栽入，就算不是數學或統計專業的讀者，也有強大的吸引力。這本難得一見的好書，絕對是你我應付大數據時代的重要工具之一。

今日我們面對全數位化的Big Data 世界，有如原始人面對浩瀚的無垠銀河，還好我們擁有了處理這些無限大資料的基礎，相信你我都不會迷失在這些0 與1 的巨流中。

胡嘉璽

Big Data 時代來臨，從前習慣將資料分類，使用統計的方式找出規律。但在Big Data 時代，每一筆資料都要被重視(Every piece of data counts)。還好硬體技術不斷進步，再加上雲端時代的資源合理分配，電腦及網路幫了極大的忙，讓我們真的可以深入每一筆資料找出重點，而非簡單的分類及整合而已。

然而到了公元2020 年，我們將擁有44ZB 的資料量( 資料來源EMC)，44ZB 的資料量是多少呢？

44 X 1,000,000,000,000,000,000,000 個位元組。在看慣超大資料的我們可能對這後面的21 個0 沒什麼感覺，但換個方式來看，用最新的iPhone 6 64GB 的大小...

推薦序
前言
基礎篇
01 資料視覺化簡介
1.1 視覺化釋義
1.2 視覺化簡史
1.3 資料視覺化詳解
1.4 資料視覺化研究挑戰
02 視覺感知與認知
2.1 視覺感知和認知
2.2 顏色
2.3 視覺編碼原則
03 資料
3.1 資料釋義
3.2 資料取得和前置處理
3.3 資料組織與管理
3.4 資料分析與採擷
3.5 資料工作流
3.6 資料科學的挑戰
04 資料視覺化基礎
4.1 資料視覺化基本框架
4.2 視覺化中的資料
4.3 視覺化的基本圖表
4.4 視覺化設計原則
4.5 視覺化理論發展
時空資料篇
05 視覺感知與認知
5.1 一維純量場視覺化
5.2 二維純量場視覺化
5.3 3D 純量場資料視覺化
06 地理資訊視覺化
6.1 地圖投影
6.2 點資料的視覺化
6.3 線資料的視覺化
6.4 區域資料的視覺化
6.5 地理資訊視覺化的應用
6.6 地理資訊視覺化的其他挑戰
07 大規模多變數空間資料場視覺化
7.1 大規模空間純量場資料的即時體視覺化
7.2 時變異質空間資料場的特徵追蹤與視覺化
7.3 空間向量場資料視覺化
7.4 空間張量場資料視覺化
7.5 多變數空間資料場視覺化
08 時變資料視覺化
8.1 時間屬性的視覺化
8.2 多變數時變類型資料視覺化
8.3 串流資料視覺化
非時空資料篇
09 層次和網路資料視覺化
9.1 層次資料
9.2 網路資料
10 文字和文件視覺化
10.1 文字視覺化釋義
10.2 文字資訊分析基礎
10.3 文字內容視覺化
10.4 文字關係視覺化
10.5 文字多層面資訊的可視表達
10.6 歸納
11 跨媒體資料視覺化
11.1 影像
11.2 視訊
11.3 聲音與音樂
11.4 超媒體
12 複雜高維多中繼資料的視覺化
12.1 高維多中繼資料
12.2 非結構化與異質資料的視覺化
12.3 大尺度資料的視覺化
12.4 資料不確定性的視覺化
使用者篇
13 視覺化中的互動
13.1 互動準則
13.2 互動分類
13.3 互動技術
13.4 互動與硬體裝置
14 視覺化評測
14.1 評測流程
14.2 影響評測效度的因素
14.3 評測方法
14.4 評測實例分析
14.5 歸納
15 針對領域的資料視覺化
15.1 高性能科學計算
15.2 生命科學
15.3 其他科學與藝術
15.4 網路與系統安全的視覺化
15.5 商業智慧視覺化
15.6 金融資料視覺化
16 視覺化研究與開發資源
16.1 視覺化軟體
16.2 視覺化開發工具
16.3 資料分析和資料採擷軟體與開發工具
16.4 視覺化資料集資源
16.5 視覺化資訊資源
16.6 視覺化研究機構

推薦序
前言
基礎篇
01 資料視覺化簡介
1.1 視覺化釋義
1.2 視覺化簡史
1.3 資料視覺化詳解
1.4 資料視覺化研究挑戰
02 視覺感知與認知
2.1 視覺感知和認知
2.2 顏色
2.3 視覺編碼原則
03 資料
3.1 資料釋義
3.2 資料取得和前置處理
3.3 資料組織與管理
3.4 資料分析與採擷
3.5 資料工作流
3.6 資料科學的挑戰
04 資料視覺化基礎
4.1 資料視覺化基本框架
4.2 視覺化中的資料
4.3 視覺化的基本圖表
4.4 視覺化設計原則
4.5 視覺化理論發展
時空資料篇
05 視覺感知與認知
5.1 一維...