庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
文科生也看得懂的資料科學

文科生也看得懂的資料科學

沒有庫存
訂購需時10-14天
9789864767939
Annalyn Ng
沈佩誼
碁峰
2018年4月30日
127.00  元
HK$ 114.3  






ISBN:9789864767939
  • 規格:平裝 / 196頁 / 17 x 23 cm / 普通級 / 全彩印刷 / 初版
  • 出版地:台灣


  • 電腦資訊 > 資料庫/大數據 > 資料處理/大數據

















    * amazon.com 五顆星讀者無差評

    * 史丹佛大學、劍橋大學相關課程指定教材




      雖然資料科學越來越常被用來改善工作場域的種種決策,但對普羅大眾來說,這仍然是個神祕難懂的領域。本書避開艱深的數學與生澀的術語,以直觀的例子來說明各演算法功能與特色,例如,用預測犯罪事件的例子來解釋隨機森林,用分群演算法來分析各類電影迷的人格特質等,本書所選用的例子能夠幫助讀者明確理解各演算法及實際應用,即使您不曾接觸過資料科學,也能藉由本書掌握基本概念。



    本書特色:



      .淺白的解釋,以及大量的圖解說明

      .以實際的例子解說演算法的應用

      .每章最後會有重點歸納加強學習效果



    來自各界的讚譽



      「以圖解的方式解說重要的資料科學相關演算法,對於剛接觸資料科學領域的新手、從事數據分析相關的商業人士而言,極有幫助。」- Dr. David Stillwell, 劍橋大學大數據課程講師



      「以視覺化的方式解釋機器學習的概念,可以幫助不具備相關技術背景的學生了解這些抽象的概念。同時也能幫助剛接觸資料科學領域的學生掌握相關的基礎知識。」Ethan Chan,史丹佛大學大數據課程講師



      「對資料科學與機器學習做了清楚的介紹,沒有拗口的術語,內容在廣度與深度也取得極佳的平衡。本書刻意避開數學推導,程式碼實作,在介紹不同機器學習方法的應用時也使用許多真實的問題。整體而言,本書對資料科學有相當生動的詮釋,我極力推薦。」- 陳俊杉, 台灣大學土木工程系教授


     





    Ch01|基本知識簡單說

    1.1 準備資料

    1.2 挑選演算法

    1.3 調整參數

    1.4 評估結果

    1.5 本章小結



    Ch02|k-平均分群演算法

    2.1 尋找消費者群集

    2.2 舉例:電影迷的性格特徵

    2.3 定義群集

    2.4 先天限制

    2.5 本章小結



    Ch03|主成份分析

    3.1 探索食物的營養成分

    3.2 主成份

    3.3 舉例:分析食物族群

    3.4 先天限制

    3.5 本章小節



    Ch04|關聯規則

    4.1 找出消費模式

    4.2 支持度、可信度與作用度

    4.3 舉例:食品雜貨交易

    4.4 先驗原則

    4.5 先天限制

    4.6 本章小結



    Ch05|社群網路分析

    5.1 將關係地圖化

    5.2 舉例:武器交易的地緣政治性

    5.3 Louvain 演算法

    5.4 PageRank 演算法



    Ch06|迴歸分析

    6.1 推導一條趨勢線

    6.2 舉例:預測房價

    6.3 梯度下降

    6.4 迴歸係數

    6.5 相關係數

    6.6 先天限制

    6.7 本章小結



    Ch07|k-最近鄰演算法與異常檢測

    7.1 食物取證

    7.2 物以類聚

    7.3 舉例:蒸餾出紅酒的不同成份

    7.4 異常檢測

    7.5 先天限制

    7.6 本章小結



    Ch08|支持向量機

    8.1 「不」或「噢不」?

    8.2 舉例:預測心臟疾病

    8.3 畫出最佳分界線

    8.4 先天限制

    8.5 本章小結



    Ch09|決策樹

    9.1 預測災難中的存活機率

    9.2 舉例:逃出鐵達尼號

    9.3 產生一棵決策樹

    9.4 先天限制

    9.5 本章小結



    Ch10|隨機森林

    10.1 群眾的智慧

    10.2 舉例:預測犯罪

    10.3 總體

    10.4 引導聚集算法

    10.5 先天限制

    10.6 本章小結



    Ch11|類神經網路

    11.1 建立一顆大腦

    11.2 舉例:辨識手寫數字

    11.3 類神經網路的組成

    11.4 活化法則

    11.5 先天限制

    11.6 本章小結



    Ch12|A/B測試與多拉桿吃角子老虎機

    12.1 A/B測試的基本概念

    12.2 A/B測試的限制

    12.3 Epsilon-Decreasing策略

    12.4 舉例:多拉桿吃角子老虎機

    12.5 有趣事實:跟緊贏家就對了?

    12.6 Epsilon-Decreasing 策略的限制

    12.7 本章小結

    ?









      本書由兩位資料科學愛好者,撰寫而成。雖然資料科學越來越常被用來改善工作場域的種種決策,但許多人對這個領域的了解甚少。因此,我們將這些知識整理成一本書,幫助更多人學習,無論是有志深造的學生、積極進取的商業專業人士,或是任何有顆好奇心的人。



      每一個教學課程涵蓋了各演算法的重要功能與假設,避開艱深的數學與生澀的術語。我們也使用現實世界的實際資料與例子來講述這些技法。



      沒有以下這些人的幫助,我們不可能完成這本書。



      感謝我們的文字編輯和好友Sonya Chan,她巧妙地融合了我們的寫作風格,確保我們的敘述流暢一致。



      感謝Dora Tan為本書排版與彩圖提供建議。



      感謝我們的好友Michelle Poh、Dennis Chew和Mark ho,他們為如何增進本書內容的可理解性提供非常寶貴的建議。



      感謝密西根大學的Long Nguyen教授,史丹佛大學的Percy Liang教授與Michal Kosinski博士,謝謝諸位教授指導,並與我們兩位分享專業建言。



      最後,我們想要感謝彼此,好友之間不免爭吵,但我們總是堅持到底,一起完成初衷。




    其 他 著 作