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

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）。