李家岩

．提供嚴謹的數據科學分析架構，強調預測與決策兼具的分析本書整合「數據科學」與「決策科學」的思維架構，以五階段構析：敘述性構析、診斷性構析、預測性構析、處方性構析、自動性構析，從點、線、連結到面的整體系統觀。從發現對的問題、找到重要因子、建構因果關係、連結到製造現場的決策、資源與風險，以達成前瞻性決策。．介紹完整的數據科學基礎與進階學理，以常見的製造實務議題貫穿本書以統計與最佳化的思維說明了監督、非監督、強化學習與元啟發式演算法等理論，並探討製造實務常見的分析議題，如特徵挑選、維度縮減、特徵工程、數據增強、數據不平衡、故障預測與健康管理、超參數最佳化、概念漂移等進階方法的應用。．透過自適性調整提供適宜的系統決策本書說明開採與探索、預測與解釋、集成學習、超參數、多目標、資源配置等議題，說明如何設計自適性演算法，考慮模型的適應性與擴充性，以提供合宜的系統運算決策。

工業工程與管理為整合工程、數學、資訊科技與社會科學，以及科學管理和設計方法的系統科學、分析技術與專業技能的學科，對於人員（人）、軟硬體設備（機）、物料（料）、方法（法）和環境（環）等組合而成的生產或服務系統的整體績效，進行預測、優化、規劃、執行、評估和改善的完整流程所用到的專業知識，包括作業研究與決策科學、人因工程與設計、工程經濟、成本分析、精實管理、品質管理、生產系統、服務系統、供應鏈管理、大數據分析、智慧製造、資訊系統與自動化、企業資源規劃與全面資源管理，以及企業規劃、營運管理、組織效率、數位轉型、科技管理與創新、永續與循環經濟等。 隨著第四次工業革命驅動產業升級與數位轉型，以及大國重回製造和不同陣營競合的賽局中，全球供應鏈正在解構與重組，對台灣產業帶來更多的挑戰和機會。本書承蒙各領域專家先進的大力協助，深入淺出介紹工業工程與管理的方法和個案研究。 本書各章都有台灣產業實踐經驗為基礎的具體案例和前瞻議題探討，以培養更多能夠結合理論與實務的工業工程人才，本書亦可作為跨領域學習和工程導論的部分教材，分享工業工程的工具和價值給各領域的產業先進。