防詐3要訣：不聽信、不操作、掛斷電話 
79
560442
查詢門市庫存
給<高中生>能完成的小專題：高中職資訊科技的加深加廣與建構學習歷程。
給<大專生>需要的資料分析技能：各科系的大學生都可能要學做資料分析。
給<上班族>體驗大數據分析與機器學習理論與實作：輕鬆學資料科學與機器學習, 為下一個十年預做準備。
給<大專生>需要的資料分析技能：各科系的大學生都可能要學做資料分析。
給<上班族>體驗大數據分析與機器學習理論與實作：輕鬆學資料科學與機器學習, 為下一個十年預做準備。
內容簡介
內容介紹:
資料科學、機器學習是近來最夯的關鍵字, 所引發的學習熱潮從未間斷。然而初學的你只要稍微上網搜尋可能會發現, 資料科學涉及的領域實在超～級～廣, 包括 AI、機器學習、程式設計、資料視覺化、數學、統計...等等, 一拖拉庫的名詞都與資料科學沾上邊；相關書籍更是不少, 各書的切入點明顯都不一樣, 卻都一致高喊「我帶你學資料科學！」讓初學者看得更花了, 對於如何入門愈來愈沒頭緒...
這麼雜到底怎麼學？AI、統計、Python / R 程式語言...通通碰過一輪？
先看完這本書再說！與其雜亂無章東學西學, 本書大聲告訴你：「資料科學沒那麼複雜！」, 只要跟著書中精心設計的「資料科學 5 步驟」：
問個感興趣的問題 → 資料取得 → 資料處理 → 探索性資料分析 → 機器學習做資料分析
「記牢」、「做熟」這 5 步就夠了！
[鐵了心就是要你會！利用 Colab ✕ Python 反覆操演]
在各步驟中, 我們會帶你用 Colab 免費雲端平台以及 Python 這個超夯工具動手操演多個資料科學經典案例, 讀者可以從過程中逐步吸收資科科學乃至於機器學習各階段要處理的「眉眉角角」。
要是做過一輪還不熟沒關係, 我們換個範例多 run 幾遍！幾輪下來一定會對資料科學的內涵更加清晰, 也會對機器學習在其中所扮演的角色有更深刻的認識！
[圖解爆棚, 隨便翻閱都有感]
更棒的是, 學習資料科學、機器學習免不了會碰到許多看起來很難懂的數學公式, 實作時也得學習各種陌生的 Python 語法, 為此作者特別在書中設計大量插圖, 協助你有效率地理解內容；而每一章最前面的「學習地圖」更可以幫你隨時掌握學習脈絡, 有這些超圖解的「加持」, 讓你遇到再複雜的概念也不怕！
[作者序]
數位世界：一個由科學島嶼、資料海洋和機器船隻組成的學習宇宙。數位玩家依循本書的學習地圖開展自己的征程, 面對量大 (Volume)、增長快 (Velocity) 與多樣性高 (Variety) 的無常資料海洋、與詭譎的資料分析強浪, 憑借玩家的學習毅力與本書的智慧導引, 建立起一個強大的數據分析艦隊。沿著混亂的資料海域、探勘出誘人的新知識與新智慧寶藏, 在「資料科學 ✕ 機器學習」旗幟的指引下, 為了在資訊時代下生存, 而辛勤學習不息。
給能完成的小專題：高中職資訊科技的加深加廣與建構學習歷程。
給需要的資料分析技能：各科系的大學生都可能要學做資料分析。
給體驗大數據分析與機器學習理論與實作：輕鬆學資料科學與機器學習, 為下一個十年預做準備。
聽聞大數據 (資料科學)、人工智慧 (機器學習) 這麼久了, 其實您也可以「DIY」！現在萬事俱備, 因為有底下這麼多便利工具可以協助你動手實作！
‧Google Colab：免安裝, 直接在雲端上使用的互動式線上程式開發平台。
‧Python：提供跟機器學習演算法有關的各種便利函式, 任何人都可免費、輕易上手。
‧Pandas 套件：被喻為 Excel 般的便利工具, 以最少的學習負擔為前題, 用它即可輕鬆完成資料處理、資料視覺化等複雜作業。
今日, 作者群忍不住喊出「We make it easy, and you make it.」
明日, 期待您也和我們一樣發出感動的「I make it！」
本書特色:
□ 精心設計豐富插圖, 每一頁都有感！
□ 零數學公式、統計符號, 輕鬆學會資料科學、機器學習！
□ 用最夯的 Colab + Python 動手實作
□ 機器學習實戰演練：線性迴歸分析、KNN 分類、K-Means 分群...
□ 範例滿載！一次不熟換個範例多 run 幾次保證讓你會！
資料科學、機器學習是近來最夯的關鍵字, 所引發的學習熱潮從未間斷。然而初學的你只要稍微上網搜尋可能會發現, 資料科學涉及的領域實在超～級～廣, 包括 AI、機器學習、程式設計、資料視覺化、數學、統計...等等, 一拖拉庫的名詞都與資料科學沾上邊；相關書籍更是不少, 各書的切入點明顯都不一樣, 卻都一致高喊「我帶你學資料科學！」讓初學者看得更花了, 對於如何入門愈來愈沒頭緒...
這麼雜到底怎麼學？AI、統計、Python / R 程式語言...通通碰過一輪？
先看完這本書再說！與其雜亂無章東學西學, 本書大聲告訴你：「資料科學沒那麼複雜！」, 只要跟著書中精心設計的「資料科學 5 步驟」：
問個感興趣的問題 → 資料取得 → 資料處理 → 探索性資料分析 → 機器學習做資料分析
「記牢」、「做熟」這 5 步就夠了！
[鐵了心就是要你會！利用 Colab ✕ Python 反覆操演]
在各步驟中, 我們會帶你用 Colab 免費雲端平台以及 Python 這個超夯工具動手操演多個資料科學經典案例, 讀者可以從過程中逐步吸收資科科學乃至於機器學習各階段要處理的「眉眉角角」。
要是做過一輪還不熟沒關係, 我們換個範例多 run 幾遍！幾輪下來一定會對資料科學的內涵更加清晰, 也會對機器學習在其中所扮演的角色有更深刻的認識！
[圖解爆棚, 隨便翻閱都有感]
更棒的是, 學習資料科學、機器學習免不了會碰到許多看起來很難懂的數學公式, 實作時也得學習各種陌生的 Python 語法, 為此作者特別在書中設計大量插圖, 協助你有效率地理解內容；而每一章最前面的「學習地圖」更可以幫你隨時掌握學習脈絡, 有這些超圖解的「加持」, 讓你遇到再複雜的概念也不怕！
[作者序]
數位世界：一個由科學島嶼、資料海洋和機器船隻組成的學習宇宙。數位玩家依循本書的學習地圖開展自己的征程, 面對量大 (Volume)、增長快 (Velocity) 與多樣性高 (Variety) 的無常資料海洋、與詭譎的資料分析強浪, 憑借玩家的學習毅力與本書的智慧導引, 建立起一個強大的數據分析艦隊。沿著混亂的資料海域、探勘出誘人的新知識與新智慧寶藏, 在「資料科學 ✕ 機器學習」旗幟的指引下, 為了在資訊時代下生存, 而辛勤學習不息。
給能完成的小專題：高中職資訊科技的加深加廣與建構學習歷程。
給需要的資料分析技能：各科系的大學生都可能要學做資料分析。
給體驗大數據分析與機器學習理論與實作：輕鬆學資料科學與機器學習, 為下一個十年預做準備。
聽聞大數據 (資料科學)、人工智慧 (機器學習) 這麼久了, 其實您也可以「DIY」！現在萬事俱備, 因為有底下這麼多便利工具可以協助你動手實作！
‧Google Colab：免安裝, 直接在雲端上使用的互動式線上程式開發平台。
‧Python：提供跟機器學習演算法有關的各種便利函式, 任何人都可免費、輕易上手。
‧Pandas 套件：被喻為 Excel 般的便利工具, 以最少的學習負擔為前題, 用它即可輕鬆完成資料處理、資料視覺化等複雜作業。
今日, 作者群忍不住喊出「We make it easy, and you make it.」
明日, 期待您也和我們一樣發出感動的「I make it！」
本書特色:
□ 精心設計豐富插圖, 每一頁都有感！
□ 零數學公式、統計符號, 輕鬆學會資料科學、機器學習！
□ 用最夯的 Colab + Python 動手實作
□ 機器學習實戰演練：線性迴歸分析、KNN 分類、K-Means 分群...
□ 範例滿載！一次不熟換個範例多 run 幾次保證讓你會！
產品目錄
目錄:
Ch01 破冰！資料科學觀念養成
Ch02 Python 資料科學實作平台：Google Colab
Ch03 認識資料科學神器 pandas 並用網路爬蟲取得資料
Ch04 初探資料科學 (一)：用 pandas 做資料前處理
Ch05 初探資料科學 (二)：用資料視覺化發掘重要資訊
Ch06 經典案例演練！更深入的探索性資料分析
Ch07 資料科學 Level UP！認識機器學習演算法
Ch08 機器學習實戰 (一)：用線性迴歸分析做趨勢預測
Ch09 機器學習實戰 (二)：用 K最近鄰法 (KNN) 做分類
Ch10 機器學習實戰 (三)：用 K平均法 (K-Means) 做分群
Ch01 破冰！資料科學觀念養成
Ch02 Python 資料科學實作平台：Google Colab
Ch03 認識資料科學神器 pandas 並用網路爬蟲取得資料
Ch04 初探資料科學 (一)：用 pandas 做資料前處理
Ch05 初探資料科學 (二)：用資料視覺化發掘重要資訊
Ch06 經典案例演練！更深入的探索性資料分析
Ch07 資料科學 Level UP！認識機器學習演算法
Ch08 機器學習實戰 (一)：用線性迴歸分析做趨勢預測
Ch09 機器學習實戰 (二)：用 K最近鄰法 (KNN) 做分類
Ch10 機器學習實戰 (三)：用 K平均法 (K-Means) 做分群
規格
誠品貨碼 / 2682024206002
ISBN13 / 9789863126652
ISBN10 / 9863126659
EAN貨碼 / 9789863126652
頁數 / 352
開數 / 18K
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 23X17X2.1CM
級別 / N:無
退貨說明
退貨須知：
- 依照消費者保護法的規定，您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意！猶豫期非試用期)，辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當，若原紙箱已遺失，請另使用其他紙箱包覆於商品原廠包裝之外，切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度，本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費；請您先確認商品正確、外觀可接受，再行拆封，以免影響您的權利；若為產品瑕疵，本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」，下列商品不適用七日猶豫期，除產品本身有瑕疵外，不接受退貨：
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形，可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費)，或影響您的退貨權利，請您在拆封前決定是否要退貨：
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品，除商品本身有瑕疵外，退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送