预购商品
书目分类
特别推荐
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
作者簡介 上藤一郎 靜岡大學人文社會科學院教授。專業領域為統計學、科學史(統計學史、機率論史)。資料科學相關著作及譯作有:《資料科學入門:透過Excel學習如何蒐集、檢視、運用統計資料》(歐姆社,合著)、《用於調查與分析的統計:社會與經濟的資料科學》(丸善,合著)、《不用公式一看就懂的資料科學:大數據時代必備的資料素養》(歐姆社,譯作)等等(以上皆為暫譯)。
客服公告
热门活动
订阅电子报