超圖解資料科學Data Science：數據處理入門中的入門，強化處理力&判讀力×資料倫理


	身處在資料化社會，每天都面對排山倒海而來的資訊，我們究竟該如何應對？　　每天一睜眼，抓起手機一看，又是滿滿當當的資訊浪潮來襲；不僅如此，送小孩上學、到公司工作，下班與家人聊天，我們無時不刻都在與周遭的人分享情報、使用情報。　　情報「資料化」其實是一門近在你我身旁的科學，　　在資訊及通訊科技（ICT）高度發展的今日，這樣的時代早已經到來，而且越卷越快速，任何人都無法避免面對這股浪潮。　　比如什麼是大數據？大數據又該如何運用？運用的倫理界線在哪裡？等等問題，我們的日常周遭充斥著各式各樣的資料。如果少了資料，就連一般的生活都無法順利運作。「資料科學」即是研究現代社會不可或缺的「資料」之科學。　　「懂資料」並「運用資料」的資料科學知識能力在未來AI世代越來越顯其重要性，本書將在本書的章節中一一介紹，以當代和未來社會中，分析佔據我們生活越來越多時間的「資料處理」的過程，以及我們該用什麼心態和方法面對。　　本書是一本「入門用的入門書」，使用大量的插畫與圖表進行簡單易懂的解說，讓讀者能夠粗略掌握資料科學的概要。本書不使用困難的公式，因此也很推薦給看到公式就頭痛的人。名人推薦　　了解AI與資料科學的最佳入門書！　　【學界、業界專業人士好評推薦】　　國立高雄大學電機系教授及人工智慧研究中心顧問、前執行長｜吳志宏　　Google機器學習開發專家 \| 吳柏翰(Jerry Wu) 　　高雄大學特聘教授、財團法人人工智慧法律國際研究基金會執行長 \| 張麗卿　　翱翔智慧創辦人 \| 張竣貿　　Google語音助理技能開發者 \| 游紹宏　　中央研究院資訊創新科技研究中心主任及特聘研究員 \| 黃彥男　　（按姓氏筆畫排序）


	目錄前言第1章何謂資料科學――資料與社會―― 1-1 資料與社會 1）我們的日常生活與資料 2）資料化社會的到來 1-2 資料科學與資料科學家 1）資料科學是一門定義因人而異的科學 2）資料分析的4道工程 3）資料科學家的工作第2章瞭解資料――資料分析的第一工程―― 2-1 將資料分門別類 1）調查資料與非調查資料 2）大數據與非大數據 2-2 掌握資料的特徵 1）變數與資料 2）定量資料與定性資料 3）個體資料與總體資料 2-3 準備資料 1）透過調查蒐集資料 2）透過網路蒐集資料 2-4 資料整形 1）何謂資料整形 2）完全資料與不完全資料 3）離群值 4）選擇偏誤第3章解讀資料――資料分析的第二工程―― 3-1 總計資料並且視覺化 1）掌握資料的分布 2）各種圖表 3-2 歸納資料的資訊 1）取得資料的資訊 2）掌握單一變數的資料特徵 3）找出2個變數的關係 4）掌握多維資料的關係 5）為了將結論一般化第4章分類資料――資料分析的第三工程―― 4-1 分類相似者 1）集群分析的概念 2）運用集群分析進行分類 4-2 合併數個變數 1）主成分分析的概念 2）使用主成分分析來分類 4-3 分類定性資料 1）數量化Ⅲ類的概念 2）使用數量化Ⅲ類來分類第5章使用資料進行預測――資料分析的第四工程―― 5-1 根據資料進行預測 1）迴歸分析的概念 2）使用迴歸分析進行預測 5-2 評估預測的好壞 1）多元迴歸分析的概念 2）好的迴歸模型 3）各種迴歸診斷 5-3 預測定性資料 1）數量化Ⅰ類 2）邏輯斯迴歸第6章探討資料倫理――給資料化社會敲響警鐘―― 6-1 何謂資料倫理 1）資料倫理與資料化社會 2）資訊倫理的4大原則與資料倫理的規範例子 3）分析倫理 6-2 違反倫理事件簿 1）得安穩事件 2）統計不當事件第7章資料科學與AI――大數據帶來的資料革命―― 7-1 機器學習的基礎 1）機器學習、深度學習與AI 2）資料準備 3）演算法選擇 4）參數調整 5）選擇模型 7-2 人工神經網路與AI 1） AI與資料科學的關係 2）何謂人工神經網路？ 3）人工神經網路的構成要素附錄體驗資料科學幫助各位更加瞭解資料科學的參考書籍索引

超圖解 資料科學Data Science：數據處理 入門中的入門，強化處理力&判讀力×資料倫理

超圖解資料科學Data Science：數據處理入門中的入門，強化處理力&判讀力×資料倫理