資料科學入門完全指南：資料分析的觀念 處理 實作

　　Chapter1 資料的概念：在最開始的地方，以一系列的案例讓讀者認識到資料的價值（1.1），並且學習透過資料的型態（1.2） 和尺度（1.3） 來認識資料。

　　Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。

　　Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。

　　Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。

　　Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。

　　Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。

 

Chapter1 資料的概念
1.1-資料的價值
1.2-資料的型態
1.3-資料的尺度

Chapter2 Python基礎
2.1-Python語言
2.2-Python環境
2.3-基本運算
2.4-流程與控制結構

Chapter3 基本數值資料處理
3.1-numpy
3.2-pandas

Chapter4 各式資料處理
4.1-影像資料原理
4.2-影像資料處理實作
4.3-音訊資料原理
4.4-音訊資料處理實作
4.5-文字資料原理
4.6-文字資料處理實作

Chapter5 資料前處理
5.1-資料清理
5.2-資料轉換
5.3-資料視覺化

Chapter6 其他專題補充
6.1-探索式分析（EDA）
6.2-網頁爬蟲
6.3-機器學習與模型評估
6.4-用ChatGPT建立QA回答系統
6.5-Hugging Face
6.6-資料管線
6.7-常見誤區

 

作者簡介



劉弘祥

　　出身於物理與電機背景，在資料科學領域打滾了五年，累積了許多不同類型資料的處理經驗。同時也擅長將各種內容用簡單易懂的方式清楚的說明，在IThome上的資料分析與Notion系列文章總共已超過15萬次的瀏覽。　　

　　曾參與合作過的對象及專案：
　　•司法院：量刑趨勢資訊系統
　　•Gogoro：輿情分析系統
　　•中研院：Audioviz音樂分析工具
　　•聯詠科技：語音訊號處理
　　•Positive Grid：自動伴奏系統
　　•其他尚有工研院、國衛院、WordBranch、浪LIVE、Garmin、中華電信…等。