製造數據科學：邁向智慧製造與數位決策 +作者：李家岩、洪佑鑫 +年份：2022 年1 版 +ISBN：9789860679694 +書號：VWCS0005 +規格：16開/單色 +頁數：626 +出版商：前程 ．提供嚴謹的數據科學分析架構，強調預測與決策兼具的分析 本書整合「數據科學」與「決策科學」的思維架構，以五階段構析：敘述性構析、診斷性構析、預測性構析、處方性構析、自動性構析，從點、線、連結到面的整體系統觀。從發現對的問題、找到重要因子、建構因果關係、連結到製造現場的決策、資源與風險，以達成前瞻性決策。 ．介紹完整的數據科學基礎與進階學理，以常見的製造實務議題貫穿 本書以統計與最佳化的思維說明了監督、非監督、強化學習與元啟發式演算法等理論，並探討製造實務常見的分析議題，如特徵挑選、維度縮減、特徵工程、數據增強、數據不平衡、故障預測與健康管理、超參數最佳化、概念漂移等進階方法的應用。 ．透過自適性調整提供適宜的系統決策 本書說明開採與探索、預測與解釋、集成學習、超參數、多目標、資源配置等議題，說明如何設計自適性演算法，考慮模型的適應性與擴充性，以提供合宜的系統運算決策。 目錄 第 1 章　製造數據科學 第 2 章　製造系統分析與管理 第 3 章　數據科學基礎與模型評估 第 4 章　數據科學分析架構與系統運算決策 第 5 章　數據預處理與製造數據特性 第 6 章　線性分類器 第 7 章　無母數迴歸與分類 第 8 章　決策樹與集成學習 第 9 章　特徵挑選與維度縮減 第10章　類神經網路與深度學習 第11章　集群分析 第12章　特徵工程、數據增強與數據平衡 第13章　故障預測與健康管理 第14章　可解釋人工智慧 第15章　概念漂移 第16章　元啟發式演算法 第17章　強化學習 附錄_共111頁（請至本頁參考網址內＂補充資料＂下載） 附錄A 線性迴歸 附錄B 支持向量機 附錄C 統計製程管制與先進製程控制 附錄D 超參數最佳化