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

推薦序



　　本身很熱愛資料科學的推廣與顧問服務的工作，也在其中發現想要瞭解、學習資料科學的朋友很多，因為它是近年來很熱門的工作之一，且特別適合具備領域知識的人才，但是因為資料科學這個技術必須學會的知識內容相當多元，也包括了許多艱澀難懂的數學，大部分的朋友因困難而卻步。而今有書籍開始用嶄新的方法，搭配簡單的圖文，去介紹資料科學的技術。本書就是從統計的角度切入主題，搭配生活化的資料去介紹各種資料科學的方法，接著再用機器學習的主題做結尾，幫助大家能夠掌握進一步學習的方向。本書除了搭配趣味的插畫之外，也將常見的資料科學運作概念，例如掌握資料、分析解讀、資料預測等，囊括在書中。適合尚未接觸過資料科學，但是想初步了解這個技術的朋友們一起閱讀！