0人評分過此書
資料科學入門完全指南：資料分析的觀念．處理．實作
●Chapter1 資料的概念：在最開始的地方，以一系列的案例讓讀者認識到資料的價值（1.1），並且學習透過資料的型態（1.2） 和尺度（1.3） 來認識資料。
●Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。
●Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。
●Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。
●Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。
●Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。
●Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。
●Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。
●Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。
●Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。
●Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。
-
Chapter 01 資料的概念
-
1.1 資料的價值
-
1.1.1 資料的成長趨勢
-
1.1.2 資料的影響力
-
1.1.3 資料的應用方式
-
-
1.2 資料的型態
-
1.2.1 這個世界是由系統＋變數所組成的
-
1.2.2 常見變數類型介紹
-
1.2.3 如何儲存＆處理這些變數
-
-
1.3 資料的尺度
-
1.3.1 資料尺度
-
1.3.2 常見資料尺度介紹
-
1.3.3 不同尺度的差別
-
-
-
Chapter 02 Python基礎
-
2.1 Python語言
-
2.1.1 Python語言特性與歷史
-
2.1.2 Python的生態與常用資料分析套件介紹
-
-
2.2 Python環境
-
2.2.1 安裝Conda虛擬環境管理器
-
2.2.2 安裝VS Code編輯器
-
2.2.3 撰寫你的第一個程式
-
-
2.3 基本運算
-
2.3.1 變數
-
2.3.2 基本輸入輸出
-
2.3.3 運算符號
-
2.3.4 Python資料型態
-
-
2.4 流程與控制結構
-
2.4.1 條件控制
-
2.4.2 迴圈
-
2.4.3 函數
-
2.4.4 套件與引用
-
-
-
Chapter 03 基本數值資料處理
-
3.1 numpy
-
3.1.1 簡介
-
3.1.2 NumPy陣列基礎
-
3.1.3 基本運算
-
3.1.4 線性代數運算
-
3.1.5 廣播機制
-
3.1.6 向量化函數操作
-
-
3.2 pandas
-
3.2.1 Pandas簡介
-
3.2.2 Pandas數據結構
-
3.2.3 Pandas數據讀取與清理
-
3.2.4 Pandas數據選擇與操作
-
-
-
Chapter 04 各式資料處理
-
4.1 影像資料原理
-
4.1.1 引言
-
4.1.2 影像與視覺
-
4.1.3 影像資料的基本原理
-
4.1.4 影像資料的進階理解
-
-
4.2 影像資料處理實作
-
4.2.1 簡介
-
4.2.2 讀取與顯示
-
4.2.3 圖片基本操作
-
4.2.4 影像特徵提取
-
4.2.5 基本影像處理
-
-
4.3 音訊資料原理
-
4.3.1 引言
-
4.3.2 音訊與聽覺
-
4.3.3 音訊資料的基本原理
-
4.3.4 音訊資料的進階理解
-
4.3.5 音訊資料的分析方向
-
-
4.4 音訊資料處理實作
-
4.4.1 簡介
-
4.4.2 讀取與處理
-
4.4.3 音訊特徵提取
-
4.4.4 音訊基本處理
-
-
4.5 文字資料原理
-
4.5.1 引言
-
4.5.2 文字與語義
-
4.5.3 文字資料的基本原理
-
4.5.4 文字資料的進階理解
-
4.5.5 文字資料的分析方向
-
-
4.6 文字資料處理實作
-
4.6.1 文字前處理
-
4.6.2 關鍵詞提取
-
4.6.3 文字向量嵌入模型
-
-
-
Chapter 05 資料前處理
-
5.1 資料清理
-
5.1.1 簡介
-
5.1.2 資料過濾
-
5.1.3 缺失值處理
-
5.1.4 重複值處理
-
5.1.5 離群值處理
-
-
5.2 資料轉換
-
5.2.1 前言
-
5.2.2 特徵選擇
-
5.2.3 資料類型轉換
-
5.2.4 資料編碼
-
5.2.5 資料縮放
-
5.2.6 資料分佈轉換
-
5.2.7 資料增強
-
-
5.3 資料視覺化
-
5.3.1 資料視覺化
-
5.3.2 資料視覺化實作
-
-
-
Chapter 06 其他專題補充
-
6.1 探索式分析（EDA）
-
6.1.1 探索式資料分析（EDA）
-
6.1.2 實作：用AutoEDA對資料做初步探索
-
-
6.2 網頁爬蟲
-
6.2.1 爬蟲概念介紹
-
6.2.2 網頁爬蟲實作
-
6.2.3 爬蟲限制與應注意事項
-
-
6.3 機器學習與模型評估
-
6.3.1 機器學習
-
6.3.2 模型評估
-
6.3.3 實作：紅酒品質分類
-
-
6.4 用ChatGPT建立QA回答系統
-
6.4.1 OpenAI API
-
6.4.2 提示工程的注意事項
-
6.4.3 實作：使用自有知識庫建立QA問答系統
-
-
6.5 Hugging Face
-
6.5.1 簡介
-
6.5.2 實作：使用Hugging Face上的預訓練模型做情緒分類
-
-
6.6 資料管線
-
6.6.1 ETL概念介紹
-
6.6.2 Dagster簡介
-
6.6.3 實作：用Dagster管理IThome文章瀏覽數爬蟲結果
-
-
6.7 常見誤區
-
6.7.1 前言
-
6.7.2 常見誤區
-
6.7.3 結語－成為更優秀的資料分析師
-
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
- DOI ： 10.978.6267273/852
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
