人人都學得會的網路大數據分析入門：一步步教！超詳細！專為非專業人士所寫的機器學習指引


	你是領先群倫的專業人士，因此擔心自己或公司在資訊技術日益進步的時代淪為落伍者？你覺得｢大數據、機器學習｣對你來說是「遙不可及」嗎？你更憂慮不知道該如何下手？！這本書就是來教你「具體該怎麼做」！　　作者精心設計用最白話、最易懂的方式，一個步驟一個步驟地教你如何由網路收集資料、如何統計分析。　　只有建立你自己的資料庫、活用大數據，　　靠量化分析才能讓你做出最精準的判斷與決策，　　無論你是否學過，只要有一部電腦或一台筆電！　　這是一本任何人都學得會，並且做得到的大數據、機器學習之最佳入門書！　　其實，任何背景的人要從網路下載大量資料，進行量化分析，甚至導入機器學習的方法，做更進一步的分析，都只要幾個小時的「苦練」。　　市場上有關程式設計、甚至機器學習的書及課程很多，他們的目的是在教導讀者全面性的觀念，而你學會之後，再運用在你有興趣的地方。這樣很好，不過，對初學者而言較難。大多數人學會了之後，也不知如何運用。　　本書則是以不同的方式編寫，作者先教你如何由網路上下載資料，再教你整理並分析的相關技術。我們會把所有的程式碼上網公布，方便你剪貼運用，你可以很快的用這本書的內容做資料收集及分析的工作（特別是量化分析）。　　你不必成為程式設計師，但是至少要知道如何運用資訊科技來搜集並分析資料。而且雖然萬事起頭難，可是你一旦會用excel vba、簡單的機器學習工具來分析資料，你會發現再擴展到其他領域其實不是那麼難。你由此出發，有興趣再去補其他資訊科技之不足。　　你可能會問為什麼要學會資料分析、機器學習的相關技術，好吧！俗氣的來說，這是當紅的技術。而且你如果把它運用在工作上，可以提升你或你公司的營運效率。　　我想你應當受夠了和老闆及同事開會時各說各話的情況，決策全憑大家的「捷思」法，舉出版一本書的例子來說：我認為投資書要以投資系統為寫作主題，而你認為要寫名詞解釋的入門書比較好，雙方都可以自憑記憶找出佐證，但是由網站把所有書下載，比比看誰賣得好、誰出得多，在量化的基礎上不僅可以免除偏見，並有助於進行更進一步的討論。　　現有軟體已經可以對固定化格式的資料進行大量的分析，不過，機器學習的技術可以讓資料分析有更高的可信度。一些需要人工判斷的資料，要先經過人工處理、分群，然後再加以分析。如果資料幾百筆，OK，你用人工分。但如果資料上萬筆呢？如此就要引進機器學習的技術，讓它替你分群，或是讓它學會你分群的邏輯，接手你的工作。　　以上聽起來有點難，但是原理不難理解，本書也將提供入門的指引。本書特色　　◆專心於資料分析的資訊技術，減少學習的負擔　　一般的上班族就算對資料的分析有需求，對程式的設計也沒有興趣，本書只討論有關資料取得、分析等方面的程式工具。有資料分析需求的讀者，學會這些就夠了，其他的有時間再深入。　　◆大量的程式可供下載套用，拿來改一改就可以用了　　分析網路資料大約有幾個部分：資料下載、資料整理、資料分析。其中運用到的程式語法說多不多，說少不少，一個一個重新打，很煩人。本書的所有程式碼都開放下載，你自己修改起來就方便許多。　　◆作者成立讀者社群，提供相關資訊下戴，也有利於相互共同學習


	目錄作者序第一篇建立原始資料庫第一章建立網路資料分析系統的準備工作第一節 VBA編輯環境第二節編寫VBA程式第三節新增工作表第四節程式匯出匯入第五節取得網頁資料第二章用VBA把雜亂資料整理成你要的型式第一節原始資料分析第二節多餘資料刪除第三節報表格式整理第四節分析欄位設置第五節多工作表合併第三章如何利用程式（VBA）自動下載海量資料第一節網頁原始格式第二節取得連結網址第三節跨網頁特定資料取得的方法第四節自動在大量網頁下載資料第五節只下載新資料以提升效率第二篇網路資料統計分析的方法第四章 Excel分析工具第一節網路資料彙總第二節表格分析工具第三節交叉分析篩選器第四節建立樞紐分析表第五節樞紐分析圖表第五章利用Power BI建立自動化資訊的儀表板第一節匯入Excel資料第二節趨勢分析區域圖第三節資料分割重組與分析—Power Query 第四節資料自動更新第五節 Power BI進階篩選第六章統計數學計算第一節原始資料整理—處理重複值第二節整理原始資料，以進行分析的準備第三節 Excel統計函數第四節樞紐統計分析第五節進階統計工具第三篇如何利用機器學習幫你分類資料第七章用機器學習提供全新的分析視角—K平均演算法分群（K-means Clustering Analysis）第一節用相關性散佈圖，確定因素間的相關性第二節找到資料點間的差距—最小平方法迴歸第三節 K平均演算法分群第四節運用EXCEL規劃求解工具簡化資料分群工作第五節消除不同資料不同計量單位的影響－資料標準正規化第八章如何讓電腦學會你的分類邏輯，進而自動進行資料分析及分類—線性判別分析第一節 WORD VBA下載網路資料第二節以量化的方法表現不同類別資料的差異—多元線性迴歸第三節電腦判斷力的來源－線性判別分析第四節導入新資料，確認電腦的判斷力—模型交叉驗證第五節提升電腦判斷的精度－用VBA程式自動執行規劃求解