| 書名: | 資料科學輕鬆學 Data Analytics Made Accessible (1版) | |||
| 作者: | 張雅芳 | |||
| 版次: | 1 | |||
| ISBN: | 9786263242869 | |||
| 出版社: | 碁峰 | |||
| 書籍開數、尺寸: | 17x23x1.79 | |||
| 頁數: | 304 | |||
| 內文印刷顏色: | 單色 | |||
|
#資訊
#資訊科學與資訊系統 #雲端計算與大數據 |
||||
| 定價: | ||||
| 售價: | 408元 | |||
| 庫存: | 已售完 | |||
| LINE US! | 詢問這本書 團購優惠、書籍資訊 等 | |||
| 此書籍已售完，調書籍需2-5工作日。建議與有庫存書籍分開下單 | ||||
資料科學輕鬆學 Data Analytics Made Accessible (1版)
定價:
480
售價:
408
現省:
72
| 付款方式: | 超商取貨付款 |
|
|
| 信用卡 |
|
||
| 線上轉帳 |
|
||
| 物流方式: | 超商取貨 | ||
| 宅配 | |||
| 門市自取 |
詳細資訊
本書以簡單易懂，簡單直白的敘述，帶領讀者認識資料分析與資料科學。每個主題都會以一個真實世界的案例帶入，希望能夠幫助讀者快速建立資料科學的概念。無論您是學生、上班族、行銷人員、分析師或財務人員，只要您對資料科學感到好奇，本書都可以幫助您對資料科學有更一步 目錄大綱 Ch01｜資料分析概觀 PART 1 基礎概念 Ch02｜商業智慧與應用 Ch03｜資料倉儲 Ch04｜資料探勘搜集與選擇資料 Ch05｜資料視覺化 PART 2 熱門的資料探勘法 Ch06｜決策樹 Ch07｜迴歸和時間序列分析 Ch08｜人工神經網路 Ch09｜群集分析 Ch10｜關聯規則探勘 PART 3 進階探勘 Ch11｜文字探勘 Ch12｜單純貝式分析 Ch13｜支援向量機 Ch14｜網路探勘 Ch15｜社群網路分析 PART 4 進階要點和專題 Ch16｜大數據 Ch17｜資料建模和 SQL Ch18｜統計 Ch19｜人工智慧 Ch20｜資料所有權和隱私 Ch21｜資料科學職業 Ch22｜資料分析的要點 Ch23｜資料分析專題報告樣本
為您推薦
類似書籍推薦給您
【簡介】 針對商品感官屬性的評分資料，介紹分析方法與視覺化討論的技巧。 感官資料有各式各樣的形態，除了量化數字，還有質性文字，本書將以量化數字為主軸，透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？ 本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料（know your data）深入感官資料分析的方法。 第一章是基於消費的採購行為所做的關聯推論，也是第二章品鑑資料的基礎。第三章則是稍微特殊一點的感官資料，也就是對商品屬性的專業品鑑，分別針對專業品鑑者（panelists）和商品的多種屬性作系統性分析。第四、五章為「商品角度的感官評分：單維度以及多重的屬性清單」。最後一章則是分析現今最流行的「按讚」行為，從中分析出消費者的偏好。 【目錄】 序 第一章 推薦演算之一：關聯規則與購物籃分析 第一節 交易記錄資料與基礎測量 第二節 關聯規則演算法之一：Apriori 第三節 其他方法 第二章 推薦演算之二：評分資料分析Real Rating 第一節 Real Rating 資料處理 第二節 協同演算法Collaborative Filtering 第三章 感官資料量化分析：ANOVA 方法 第一節 品鑑者角度的感官品鑑：單維度屬性清單 第二節 ANOVA 之一：使用panelperf() 第三節 ANOVA 之二：使用paneliperf() 第四章 商品角度的感官評分之一：單維度屬性清單 第一節 資料 第二節 主成分方法簡介 第三節 adjmean 的主成分分析 第四節 集群分析方法 第五節 adjmean 的集群分析之一：階層式集群樹狀圖 第六節 adjmean 的集群分析之二：K-means 方法 第五章 商品角度的感官評分之二：屬性的多重清單 第一節 利用MFA 建構商品空間 第二節 從Group 角度的整合與詮釋 第三節 資料練習—酒的感官饗宴 第六章 大家一起來按讚：消費者品鑑 第一節 享樂分數資料分析 第二節 當消費者喜好Liking 遇到專家評分Rating 第三節 消費者接受性分析之一：JAR 資料 第四節 消費者接受性分析之二：IPM 資料
類似書籍推薦給您
【簡介】 新版書將 AI 協作各個部分整合到章節中，從 AI 幻覺的案例開始說明提示工程，到如何利用 AI 協助除錯、產生測試案例、分析問題、推薦語法，並以通用大語言模型 ChatGPT、Claude 與哈佛大學特殊用途 CS50.ai 助教來作說明。 本書分成基礎篇和應用篇兩個部分來引發讀者學習興趣，第一部分「基礎篇」主要在介紹 Python 程式語言的基本語法與基本套件。第二部分「應用篇」分別是：「AI 協作案例」、「人臉辨識」、「物件辨識」、「視覺化文字資料」、「簡單線性迴歸」、「簡單線性分類」、「地理資訊系統應用」、「序列資料處理」、「資料的動畫呈現」、「字元辨識、翻譯與語音轉譯」。讓讀者可以用非常少的程式碼，製作出各式各樣與 AI 和「資料科學」相關的應用系統。 本書有完整的學習地圖，讀者可以依循學習地圖來學習，部分「應用篇」的章節，不會用到所有「基礎篇」的內容，所以可以安排提前學習，讀者甚至可以自行規劃學習路徑。另外，本書大部分所使用的資料集都會重複使用，讀者也可以依據資料使用的前後關係來自行規劃學習路徑。 【目錄】 Part 1 基礎篇 Chapter 1 Python程式語言簡介 Chapter 2 人工智慧與資料科學簡介 Chapter 3 變數與輸入輸出 Chapter 4 控制結構 ─ 分支 Chapter 5 控制結構 ─ 迴圈 Chapter 6 函數的使用與製作 Chapter 7 容器型別 Chapter 8 套件簡介 Part 2 應用篇 Chapter 9 AI協作案例簡介 Chapter 10 人臉辨識 Chapter 11 物件辨識 Chapter 12 視覺化文字資料 Chapter 13 簡單線性迴歸 Chapter 14 簡單線性分類 Chapter 15 地理資訊系統應用 Chapter 16 序列資料處理 Chapter 17 資料的動畫呈現 Chapter 18 字元辨識、翻譯與語音轉譯
類似書籍推薦給您
【簡介】 本書是一本專為初學者設計的Python程式設計及資料科學全面教材，也可作為iPAS巨量資料分析師考試的先修教材。 透過圖解與實作，循序漸進地引導讀者掌握Python程式設計及資料科學的核心技能。書中內容豐富，從Python基礎語法開始，逐步深入到資料科學的實際應用。搭配詳細的圖例和實作範例，讓學習更加直觀和實用。 本書特別強調實務應用，詳細介紹了Python資料科學必學的套件，如Numpy、Matplotlib、Pandas、Seaborn、Plotly和SciPy。這些工具不僅幫助讀者進行資料運算和分析，還能輕鬆繪製各種圖表，視覺化資料結果。 在學習Python程式設計的過程中，本書運用了當前最熱門的AI工具——ChatGPT，來輔助學習。ChatGPT可以提供程式設計協助、解釋程式概念，進而寫出資料收集的網路爬蟲程式，以便更好地理解Python程式設計和資料分析的關鍵概念。這種互動式學習方式，大大提升了學習效率和理解深度。 此外，本書還包含多個實務導向的案例，從資料預處理、資料清理到探索性資料分析，再到機器學習與深度學習應用，幫助讀者將所學知識應用於實際問題中。這些案例不僅鞏固了讀者的學習成果，還提升了實戰技能，為未來的職場應用打下堅實的基礎。 【目錄】 CH01 Python語言與運算思維基礎 1-1 程式與程式邏輯 1-2 認識Python、運算思維和Thonny 1-3 下載與安裝Thonny 1-4 使用Thonny建立第一個Python程式 1-5 Thonny基本使用與程式除錯 CH02 寫出和認識Python程式 2-1 開發Python程式的基本步驟 2-2 編輯現存的Python程式 2-3 建立第二個Python程式的加法運算 2-4 看看Python程式的內容 2-5 Python文字值 2-6 Python寫作風格 CH03 變數、運算式與運算子 3-1 程式語言的變數 3-2 在程式使用變數 3-3 變數的資料型態和型態轉換函數 3-4 讓使用者輸入變數值 3-5 認識運算式和運算子 3-6 在程式使用運算子 CH04 條件判斷 4-1 你的程式可以走不同的路 4-2 關係運算子與條件運算式 4-3 if單選條件敘述 4-4 if/else二選一條件敘述 4-5 if/elif/else多選一條件敘述 4-6 在條件敘述使用邏輯運算子 CH05 重複執行程式碼 5-1 認識迴圈敘述 5-2 for計數迴圈 5-3 while條件迴圈 5-4 改變迴圈的執行流程 5-5 巢狀迴圈與無窮迴圈 5-6 在迴圈中使用條件敘述 CH06 函數 6-1 認識函數 6-2 使用者自訂函數 6-3 函數的參數 6-4 函數的回傳值 6-5 函數的實際應用 6-6 變數範圍和內建函數 CH07 字串與容器型態 7-1 字串型態 7-2 串列型態 7-3 元組型態 7-4 字典型態 7-5 字串與容器型態的運算子 7-6 串列與字典推導 CH08 檔案、類別與例外處理 8-1 檔案處理 8-2 二進位檔案讀寫 8-3 類別與物件 8-4 建立例外處理 CH09 Python模組與套件 9-1 Python模組與套件 9-2 os模組：檔案操作與路徑處理 9-3 math模組：數學函數 9-4 turtle模組：海龜繪圖 9-5 pywin32套件：Office軟體自動化 CH10 使用ChatGPT學習Python程式設計 10-1 認識ChatGPT 10-2 註冊與使用ChatGPT 10-3 ChatGPT是你最佳的Python程式助手 10-4 ChatGPT應用：找出Python視窗程式的學習方向 10-5 ChatGPT應用：幫助你學習Python視窗程式設計 10-6 ChatGPT應用：寫出資料收集的網路爬蟲程式 CH11 NumPy向量與矩陣運算 11-1 Python資料科學套件 11-2 陣列的基本使用 11-3 一維陣列：向量 11-4 二維陣列：矩陣 11-5 使用進階索引取出元素 11-6 陣列的常用操作與廣播 CH12 Matplotlib資料視覺化 12-1 資料視覺化與Matplotlib套件 12-2 使用Matplotlib繪製圖表 12-3 散佈圖、長條圖、直方圖和派圖 12-4 子圖表 12-5 多軸圖表 CH13 使用Pandas掌握你的資料 13-1 Pandas 套件的基礎 13-2 DataFrame 的基本使用 13-3 選擇、篩選與排序資料 13-4 新增、更新、刪除與合併資料 13-5 群組、樞紐分析與統計函數 13-6 Pandas 資料視覺化 CH14 Seaborn進階圖表與Plotly互動視覺化 14-1 Seaborn基礎與基本使用 14-2 使用Seaborn繪製各種類型的圖表 14-3 使用Seaborn繪製不同類型組合的圖表 14-4 使用Plotly繪製互動圖表 14-5 實作案例：PTT BBS推文的資料視覺化 14-6 實作案例：台積電股價的互動資料視覺化 CH15 SciPy科學運算與探索式資料分析 15-1 SciPy套件的基礎 15-2 SciPy套件的科學運算 15-3 探索性資料分析的基礎 15-4 找出資料之間的關聯性 15-5 資料預處理 15-6 實作案例：鐵達尼號資料集的探索性資料分析 CH16 Python機器學習與深度學習 16-1 機器學習的基礎 16-2 機器學習實例：使用線性迴歸預測房價 16-3 機器學習實例：使用決策樹分類鳶尾花 16-4 認識深度學習 16-5 深度學習實例：加州房價預測的迴歸分析 16-6 深度學習實例：鳶尾花資料集的多元分類
華通書坊
