Python

建立智慧系統的概念、工具與技術“這是一本卓越的機器學習資源，有清楚、直觀的解說，以及大量實用技巧。”—François CholletKeras作者，《Deep Learning with Python》作者“這本書詳細介紹以神經網路解決問題的理論與做法；建議想要實際運用ML的人都要看這本書。”—Pete WardenTensorFlow行動主管深度學習經歷了一系列的突破之後，已經大幅推動了整個機

硬派學習 AI 才能紮穩根基！許多 Python 開發人員初接觸機器學習、深度學習, 往往一開始就使用當紅的 Tensorflow、Keras 等 AI 框架, 只用了短短六行就寫出一隻神經網路程式, 接著就針對參數開始東調西調、訓練模型, 為了提高神經網路模型的準確率 (Accuracy) 96.6% → 97.4% → 98.9%...而奮戰著。只需六行？調調參數？看起來 AI 好像也不難學的

數學忘光光，人工智慧原理看不懂？→ 大量的【圖解說明】讓你秒懂運作原理用相同資料集，訓練好的模型準確率比別人低很多？→ 【舉一反三不死背】，教你用最適當的演算法調整模型手上一堆資料，但要怎麼餵給神經網路？→ 解說各種類型資料的【預處理手法】本書秉持「先圖解、再實作，而後實務應用」的精神，帶你實際使用Python 3 + TensorFlow + Keras，訓練自己的深度學習模型深度學習是一種「實

PHP不支援MVC架構，Python+Django上的套件太少、Rails的速度慢，這些問題在Node.js中全部獲得解決。前後端都使用一樣的JavaScript，讓你可以不需要學多種語言就一統Fullstack。只要會JavaScript，將不再限制你的能力在前端的展現了。學習Node.js是前端工程師邁向全端的最後一塊拼圖，更是傳統php工程師昇級為更高級的MVC架構師，再加上豐富原生Java

30秒極速瞭解本書精華內容：  理論基礎 機器學習的應用場景 機器學習應用程式開發的典型步驟 Python機器學習開發套件：numpy、pandas和matplotlib 演算法模型性能評估的指標和評估方法  八大常用機器學習演算法 k-近鄰演算法 線性回歸演算法 邏輯回歸演算法 決策樹 支持向量機 單純貝氏演算法 PCA演算法 k-平均值演算法  七大實戰演練案例 糖尿病檢測 預測房價 乳

本書的主要目標是，大家一起來「不寫程式，而學AI」。例如不知Python而亦能用TensorFlow。 當今的AI是屬於機器學習(Machine Learning)的一支，基於神經網路( NN: Neural Network)的深度學習。現在，人人都想去理解AI電腦(即機器)到底是如何學習的，以便掌握AI技術熱潮，捷足先登，踏進這項當今的主流產業(AI人工智慧)。 然而，AI機器學習的演算法(Algorithm)又非常依賴於高等數學的運算式，包括線性、非線性函數、N維矩陣(Array)、張量(Tensor)、微分導數、梯度(Gradient)下降、梯度消失等大家很陌生的數學概念和術語。這些複雜性大大阻礙人人親近AI的機會和途徑。俗語說：「面對複雜，唯有簡單」。所以，尋覓和創造一個簡單、親切的途徑，讓人人都能享受，就能彌平進入AI的高大門檻了。Google推出的AI平台：TensorFlow。雖然它還不能完全實踐的美好境界，但可望它是一個不錯的起點了。於是，本書就將Excel試算表與TensorFlow結合起來，就能實現了。不懂程式設計而能學AI，好比不懂車而能學開車。在本書裡，筆者把與分離開來。於是大多數不諳編程技術者，皆能直接切入，而輕鬆愉快地學習AI了。

 涵蓋現有流行動態語言(PHP、Python、Perl、Java、Ruby 和ASP.NET)與Nginx伺服器的結合。 透過在生產環境中的具體應用，詳細講述每一種應用伺服器(包括開發架構)的多種不同結合方式。 詳細講述應用程式伺服器的緩存技術，特別是對Memcached伺服器的應用。 Nginx伺服器在網際網路推波助瀾的作用下脫穎而出，創下了高平行處理的記錄，

詳細說明PHP程式設計實用技術 460個範例，結合PHP 7開發模式和技術，快速成為PHP 開發高手 雖然老邁，但能量十足的PHP在7.0版出來之後有了非常大的改進，包括不同型態的宣告、Spaceship運算子，匿名類別、unicode變數等基本語法，更有新的階段選項，整數處理的函數。 在各大網頁語頁的競爭下，如果你還停留在舊的PHP5，相信馬上就被使用Node.js、Python+Django，

PHP不支援MVC架構，Python+Django上的套件太少、Rails的速度慢，這些問題在Node.js中全部獲得解決。 前後端都使用一樣的Javascript，讓你可以不需要學多種語言就一統Fullstack。只要會Javascript，將不再限制你的能力在前端的展現了。 學習Node.js是前端工程師邁向全端的最後一塊拼圖，更是傳統php工程師昇級為更高級的MVC架構師，再加上豐富原生Ja

簡潔易懂又能動手做，輕鬆學好程式不卡關！ ２１世紀，不懂程式語言，已是新文盲!!但學寫程式枯燥、無聊又很難!! 有沒有一套很簡單、好學又實用的程式語言啊？寫程式一定要 key 英文，我怕怕…!!除了印出 "hello world!", 還能做什麼呢？ 玩積木，學邏輯！↓用 Python 寫程式↓活用 Raspberry Pi 當創客 我們為初學者規劃了簡單入門、豐富有趣的學習之旅，透過積木式的開發

本書是學習Go語言的權威資源，它展現如何撰寫清楚且正確的Go程式以解決實務上的問題。閱讀此書無需Go或其他特定語言的經驗，JavaScript、Ruby、Python、Java或C++等程式設計師都能夠輕鬆上手。 ＊第一章討論Go的基本概念，介紹檔案輸出入、文字處理、簡單圖形、與網路用戶端以及伺服器等。 ＊前幾個章節涵蓋了Go程式的結構元素：語法、流程控制、資料型別、與組織程式套件、檔案及函式。書

告訴您如何使用Google的雲端運算服務學習如何透過Google提供的雲端運算引擎（Google Cloud Platform）來執行大規模、資料密集的工作量。本書由Google工程師撰寫，將帶領你了解這套架構即服務（IaaS）的細節，告訴您如何從無到有開發整個專案。您可以藉由本書了解Google Cloud Platform的實務應用，解決實務應用的問題。本書範例皆以Python和JavaScr

遇見樹莓派 體驗信用卡大小的卡片式「電腦」的魅力玩轉樹莓派 讓樹莓派輕鬆實現你的操控之夢進階樹莓派 用Python在樹莓派上進行程式開發Raspberry Pi，中文譯名為樹莓派，它是一塊信用卡大小的卡片式「電腦」，它預裝了Linux系統，搭載ARM架構處理器，擁有豐富的介面，理論上具備了電腦的很多基本功能，玩法多樣，在國際上深得業餘愛好者及熱心DIY的科技迷的

Ruby，一種為簡單快速物件導向程式設計而創的指令碼語言，由日本人松本行弘開發，遵守GPL 協定和Ruby License。Ruby 是一個語法像Smalltalk 一樣完全物件導向、指令稿執行，又有Perl 強大的文字處理功能的程式設計語言。在目前的主流Web 開發技術（例如，J2EE、ASP.NET、PHP、Python 和Ruby）中，基於Ruby 語言的Rails Framework 是製

SQL，是關聯式資料庫的通用語。它是種不太獨立、與其他程式語言（如 C++、Java、Python與Perl）息息相關的語言。關聯式資料庫現在已普遍存在，使用者們至少該有些關於這種語言的知識。重要內容包括： ＊一口氣向很多個資料表收集與回傳關聯性資訊。這稱為聯結（join），是SQL 的運作核心。 ＊採用集合導向的資料操作方式。SQL 幾乎都是集合的操作，如果不好好利用這項優勢，就等於錯失SQ

‧由程式設計出發，無須高深數學與量子力學知識，可輕鬆學習量子程式設計 ‧所有範例程式皆詳細逐行說明，方便理解量子程式設計細節 ‧提供程式語言精簡介紹及量子程式原始碼下載 本書以IBM Qiskit為基礎，引導讀者以Python語言為基礎輕鬆設計量子程式，並直接在IBM Q量子電腦上執行。可以循序漸進學習量子位元、量子疊加、量子糾纏、量子遙傳、量子閘、量子線路以及量子演算法等觀念。 本書內容淺顯易懂，適合初學者入門學習及進階讀者參考使用。以量子程式設計為切入點，基於「做中學」的理念，直接展示範例程式，引導讀者透過程式執行結果，不需要高深的數學與量子力學知識，也能學習量子計算理論與技術。 全書以大量範例程式貫穿所有章節，每行程式碼具有詳細解說，附錄中並有Python程式語言基本介紹，方便讀者完全了解量子程式設計概念。每章習題均附完整解答，讓讀者具有良好學習案例。所有量子程式原始碼均於線上提供，方便讀者直接下載執行。

📶 給新聞工作者與菜鳥調查員的資料分析指南📶 Twitter上的網軍是否能左右總統大選？Facebook和Reddit的資料副本能提供哪些有關人類行為的資訊？BuzzFeed的資深新聞工作者Lam Thuy Vo將藉由本書告訴您如何利用Python和關鍵的資料分析工具，查找隱藏在社交平台底下的故事。 無論你是專業新聞工作者、學術研究人員或是公民調查員，都需要學習使用資訊工具蒐集和分析社交平台所

通俗易懂/圖示引導/豐富實例高效入門機器學習最佳速成30秒極速瞭解本書精華內容◆ 理論基礎機器學習的應用場景、機器學習應用程式開發的典型步驟Python機器學習開發套件：numpy、pandas和matplotlib演算法模型性能評估的指標和評估方法 ◆ 八大常用機器學習演算法k-近鄰演算法、線性回歸演算法、邏輯回歸演算法、決策樹支持向量機、單純貝氏演算法、PCA演算法、k-平均值演算法◆ 七大實

如果您對駭客、網路安全和入侵偵測等資安知識感到好奇，本書是您最好的起點。它可以指引您學到Linux操作基礎知識，同時認識相關的工具與技術。本書將帶領您在一台虛擬機器上安裝Kali，然後學習基礎的Linux操作與管理。接著，將告訴您駭客必備的基礎知識，並學習使用bash和Python撰寫腳本的技巧。透過本書，您將學會；．駭客如何透過更改網路訊息以及操作日誌記錄檔來掩蓋行跡．如何掃描網路漏洞，以及連接

本書獲台灣 IBM 推薦 身處於資訊爆炸的時代，數據無時無刻不間斷產生，大型購物網站的會員資料、工廠大規模的感測器數據…等等，當要處理的資料規模達到大數據等級時，就不再是單機的 R 或 Python 可以應付得來的。 Apache Spark 是一套分散式和高擴展性的資料分析系統，在大數據分析乃至於計器學習的應用上佔有一席之地。為了因應資料量爆炸性的成長，Spark 也不斷擴充其功能模組，提供更具

深度學習（Deep Learning）如今已成為非常活躍的研究領域，同時也為現代機器學習鋪展了一條康莊大道。本書提供許多範例與清楚的說明，引導讀者進一步了解這個複雜領域中的一些主要概念。包括Google、微軟和Facebook這樣的業界龍頭，全都在其內部積極發展深度學習團隊。不過對於一般人來說，深度學習仍舊是個相當複雜而困難的主題。如果您熟悉Python，並具備微積分的背景知識，加上對於機器學習的

學習熱門的機器學習演算法本書介紹熱門的機器學習演算法及其實作方式。你將會了解如何在Spark ML這套開發框架之內，實作各種機器學習概念。首先，我們會帶你在單一節點與多重節點的運算叢集上，完成Spark的安裝工作；接著，說明如何執行以Scala和Python語言撰寫的Spark ML程式；然後以幾套資料集為範例，深入探索分群、分類與迴歸；最後，利用Spark ML來處理文字資料。打造可以應用於工作

專業的投資理財，需要金融知識、資料分析與資訊技術等三者的結合。而具備資訊技術的工程師學習金融理財，只欠東風，藉由本書提供的金融專業與資料分析的方法，將幫助工程師善用程式工具，來學習投資理財。Python及R語言簡單好用，函數工具與套件齊全，延伸應用廣泛，並且在統計、圖形繪製、網路資料擷取上都很方便。藉由本書118個技巧與案例的逐步演練及說明，再加上工程師本身的資訊技能，學習金融科技理財，如獲降龍十

想要活用R語言實作金融科技與資料分析嗎？藉由完整的R語言函數功能介紹與實用的案例，快速具備R語言使用技能及金融應用知識R語言是免費開放原始碼軟體，具備大型資料吞吐量與多樣的工具套件包等許多的優異特點，在金融應用、統計分析、矩陣處理、繪製圖表等方面都擁有十分便捷的函數與工具，已經成為大數據處理的常用工具。並與常見的C語言、JAVA、Python等並列為常用的程式語言。本書的內容流暢易讀，提供資料輸出

易學易用的編程指南 ‧把至關緊要的編程概念深植於你的大腦‧為你的工具箱增添方法、函式與物件等法寶‧避免讓程式的輸入與輸出把你耍得團團轉‧奠基於Python語言的編程學習指南‧以職業手法處理你的資料‧建立功能齊備且引人入勝的圖形化應用程式‧學習如何自動化擾人的重複性工作 『《深入淺出程式設計》以反覆式開發的程序清楚明瞭地教導程式設計，一點一滴、循序漸進地逐步增加理論與解釋的深度和廣度，再據以進行

╲滿級分快速攻略╱重點總整理 + 歷次試題解析☑ 結合運算思維與演算法的基本觀念☑ 章節架構清晰，涵蓋 APCS 考試重點☑ 備有相關模擬試題，幫助釐清重點觀念☑ 詳細解析 APCS 程式設計觀念題與實作題APCS 為 Advanced Placement Computer Science 的英文縮寫，是指「大學程式設計先修檢測」。目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效。其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。APCS 考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以 C、C++、Java、Python 撰寫程式。本書的實作題以 C++ 語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。同時也可以參考附錄的內容來幫助自己熟悉 APCS 的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以 Dev C++ 的 IDE 進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以 C++ 語言應試 APCS 的實戰能力。【目標讀者】◆ 欲申請大學資訊相關科系的高中職生◆ 對程式語言有興趣的學習者◆ 想客觀檢測自己程式設計能力的人

[真的可以跟著做的貝氏統計書]貝氏統計因 AI 機器學習的發展而再度翻紅，其核心是利用統計推論的方法，在觀測到新證據或取得新資訊時，利用科學方法循環更新先前假設的機率，非常適合只能依據僅有的且不夠完整的資訊進行假設評估的技術。目前廣泛應用於機器學習、深度學習、資料科學、大數據分析等領域。正經八百的念經書只會讓人想睡覺，而本書很不一樣，作者依其自身的（慘痛）經歷規劃出這本神奇之書，隨時與學習者站在一起，將腦海經常冒出來的疑問，以豐富的圖表、實作輔助並提供許多參考資源的問答方法呈現。對於重要觀念與公式，也用不同顏色標示（對了！本書是彩色書，灑花），不斷的前後呼應提醒，才不會讀到後面卻忘了前面，進而確實掌握貝氏統計的精髓。本書討論到 MCMC （馬可夫鏈蒙地卡羅法）之處尤其精彩，一般貝氏書籍或網路文章只講理論或舉個簡單例子交代一下就完事了，而本書是實實在在的帶領讀者一遍一遍的演練，落實從做中學的精神。對於想瞭解貝氏統計的各領域專業人員，包括機器學習、深度學習、生命與醫學、心理學、公共衛生、商業數據分析等，都是淺顯易懂的好書。也適合學習統計、人工智慧相關領域大學高年級與研究所程度的學生。本書特色: 由施威銘研究室監修內容，適時補充編註與譯註，幫助讀者確實理解內容。貫徹『講七遍、做二十一遍』的精神，真正從做中學會的就不會忘記。本書厚達六百多頁，為考慮到學習的便利性與舒適性，採用全彩印刷容易分辨重點、並以軟精裝裝訂可攤平閱讀。額外提供原文書也沒有的書中分佈函數 Python 程式碼下載，可自行修改參數觀察函數圖形變化。

╲滿級分快速攻略╱ 重點總整理 + 歷次試題解析 ☑ 結合運算思維與演算法的基本觀念 ☑ 章節架構清晰，涵蓋 APCS 考試重點 ☑ 備有相關模擬試題，幫助釐清重點觀念 ☑ 詳細解析 APCS 程式設計觀念題與實作題 APCS 為 Advanced Placement Computer Science 的英文縮寫，是指「大學程式設計先修檢測」。目的是提供學生自我評量程式設計能力及評量大學程式設計先修課程學習成效。其檢測成績可作為國內多所資訊相關科系個人申請入學的參考資料。 APCS 考試類型包括：程式設計觀念題及程式設計實作題。在程式設計觀念題是以單選題的方式進行測驗，以運算思維、問題解決與程式設計概念測試為主。測驗題型包括程式運行追蹤、程式填空、程式除錯、程式效能分析及基礎觀念理解等。而程式設計觀念題的考試重點包括：程式設計基本觀念、輸出入指令、資料型態、常數與變數、全域及區域、流程控制、迴圈、函式、遞迴、陣列與矩陣、結構、自定資料型態及檔案，也包括基礎演算法及簡易資料結構，例如：佇列、堆疊、串列、樹狀、排序、搜尋。在程式設計實作題以撰寫完整程式或副程式為主，可自行選擇以 C、C++、Java、Python 撰寫程式。 本書的實作題以 C 語言來進行問題分析及程式實作。實作題的解答部份可分為四大架構：解題重點分析、完整程式碼、執行結果及程式碼說明。在「解題重點分析」單元中知道本實作題的程式設計重點、解題技巧、變數功能及演算法，此單元會配合適當的程式碼輔助解說，來降低學習者的障礙。 同時也可以參考附錄的內容來幫助自己熟悉 APCS 的測試環境。此外，為了讓學習者以較簡易的環境撰寫程式，本書所有程式以 Dev C++ 的 IDE 進行程式的編輯、編譯與執行。希望透過本書的課程安排與訓練，可以讓學習者培養出以 C 語言應試 APCS 的實戰能力。 【目標讀者】 ◆ 欲申請大學資訊相關科系的高中職生 ◆ 對程式語言有興趣的學習者 ◆ 想客觀檢測自己程式設計能力的人

Amazon暢銷書榜TOP1‧啟發數百萬讀者的改變人生指南上市前就備受投資理財界、創業圈人士關注強推「如果有一天我一無所有的醒來，我可以在五到十年內重新致富。因為致富是一種技能，而且每個人都可以學會。」—納瓦爾‧拉維肯★凡購買本書，即可獲得8項限量超值課程折扣優惠1.美國金融日記在Hahow開設的「24單元入門投資科學」；2.韓承佑在Hahow的「用 Python 理財」；3.市場先生在YOTTA的「用美股ETF創造穩定現金流」；4.財經M平方PRO 會員試用碼+免費試聽兩堂MM總經學院課程；5.謝文憲在憲福育創、大大學院的課程；6.免費試聽商業思維學院課程「做自己生命的CEO」；7.張錫源在PPA開設的「烘焙實驗室—在家做16款職人級麵包」；8.天下學習（詳情請見學習特輯） 全民加薪時代來了，但為什麼即使是高薪工作，也不會讓你變富有？未來五年，有50%的工作技能將被淘汰，但為什麼有人永遠不缺賺錢機會？數位時代需要一套新的自主富有指南，已是公開的祕密，但只有不怕挑戰傳統思維的人敢去嘗試。矽谷傳奇創投創業家拉維肯不僅抓住了這個祕密，在投資界、新創圈，有許多人都深受他啟發。「如果查理‧蒙格是20世紀的班傑明‧富蘭克林，那納瓦爾‧拉維肯就是21世紀的查理‧蒙格。」百萬部落格版主化身超級鐵粉總結編著拉維肯的智慧，教你善用時代特色成功的所有必備技能。每翻開一頁，你都有可能遇見心智旅程的新大陸，徹底改變自己的人生目的和行動想法。「生命中的所有收益都來自複利，無論是金錢、關係、健康、思考或習慣都是。」「設定一個較高的時薪來衡量你的時間價值，並捨得花錢買時間。」「用思想賺錢，不要用時間賺錢，因為時間有更大的用處，用來賺錢太過浪費。」「訂出優先順序，聚焦在最重要的事。」「投入不明智的賽局，就算贏了也只能得到愚蠢的獎勵。」「花時間省錢無法致富，省下時間去創富才能致富。」「想在人生中獲得平靜，你就不能用非黑即白的二分法來看周遭一切。」正因99%的努力不會有成果，更要懂如何抓住那關鍵的1%，槓桿出最高的複利效應。只有新眼光，才能看見另一個世界，還有另一個自己，新世界充滿機會，但陽光無法照進每個角落，這本書可以幫助你站上最有利的位置。程九如 AppWorks 合夥人、游舒帆 商業思維學院院長、葛如鈞 北科大助理教授林裕欽 Dcard創辦人、陳佳茹 財經M平方創辦人、許繼

內容介紹: 不同於常見機器學習皆是由 Python 語言實作, 本書使用 JavaScript 語言於瀏覽器實作機器學習, 搭配著名的 JS 機器學習函式庫 ml5.js 可以更快速且便利地達成 AI 網頁應用, 對於許多熟悉 JS 語言的前端工程師或使用者更為親近, 實驗過程使用 p5.js 程式庫, 讓沒有太多程式設計基礎的使用者也可以更輕鬆將結果視覺化, 再搭配使用 p5.js web editor 線上開發環境, 只需要使用瀏覽器就可以開始輕鬆設計網頁, 不需要在自己的主機建構繁瑣的開發環境, 再搭配 Python 編寫控制板程式, 將應用結合至感測器或實體輸出裝置, 實現更完整的機器學習應用實例。本書一開始會先介紹機器學習概念與 p5.js web editor 線上開發環境基本操作, 接著直接體驗使用 ml5.js 中的現有模型, 實作可以辨識特定物件的影像分類器。除了網頁實作神經網路外, 可再串連硬體控制板, 藉由控制板輸出預測結果, 比如使用物件偵測來判斷是否有人出現, 對應的 OLED 顯示器模組就會出現迎賓文字或相關訊息；或是語音辨識讓玩家用語音來控制遊戲, 遊戲結束後會通知控制板啟動振動馬達回饋給玩家。最後會使用 ml5 程式庫實際訓練自己的神經網路模型, 首先為利用控制板蒐集感測器資料, 再透過神經網路訓練解決迴歸問題, 如藉由溫度感測器的訊號, 找出感測值與實際溫度的關係, 做出自製即時電子溫度計, 再結合可以即時顯示畫面去背效果的 U-Net 模型, 就可以使用環境溫度來改變虛擬背景特效。接著為解決分類問題的神經網路, 使用現成的 Facemesh 模型找出臉部特徵點, 分別蒐集臉部不同的角度資料進行訓練, 最終得到一個可以辨識是否打瞌睡的模型, 再串接實體蜂鳴器在打瞌睡時, 發出警報聲提醒使用者。最後訓練的神經網路為卷積神經網路, 透過蒐集配戴口罩與否的不同照片作為訓練資料, 經過卷積神經網路訓練後, 就可以用此模型來判斷畫面中的人是否有正確配戴口罩, 再結合模擬門鎖的伺服馬達, 建構出一套口罩門禁系統的概念。本產品除實驗手冊外，實驗過程中有任何問題或是建議都可以在 Facebook 粉絲專頁《旗標創客‧自造者工作坊》中留言，即有專人為您服務。本產品 Windows / Mac 皆適用　操作本產品需要視訊鏡頭及麥克風 (筆電

內容介紹: 你還在建立模型分析玩具資料集嗎？你還在使用只有幾百筆資料的鳶尾花資料集嗎？你還在透過Numpy亂數產生器建立資料集嗎？還是，你苦於找不到資料集？又或是，你發現以前所學的技術，套在真實資料集，根本不能用？假資料或玩具資料集無法和產業界接軌，練再多只是徒勞無功，但想要有真實資料集卻不知從何得到。現在你看到的這本書，將帶你在初學和實戰之間，提供一個累積實務經驗值的試驗場，解決你

新書上市即攻佔日本亞馬遜統計類書籍第一名很多資料科學、機器學習的書，內容充滿各種建模的技術展示、完美的案例分析，卻忘記了更重要的「資料」。唯有掌握好手中的資料，才是機器學習成功建模的第一步。無法了解資料，深度學習也救不了你；相反的，正確蒐集資料，輕鬆建模沒煩惱。如何了解資料？當然要從統計觀念開始。學習統計一定都要看抽象複雜的數學嗎？並不是！本書所使用的範例，會告訴大家「為什麼統計學要如此定義」、「為什麼技巧要那樣使用」。當讀者了解統計背後的觀念時，才不會迷失在複雜的數學。此外，有別於一般市售書籍總是用漂亮案例展示程式運行結果，此書用相當多的範例都是「專家也會犯的錯誤」，相信讀者同時學習成功以及失敗的案例後，可以更全面地了解資料科學的分析流程觀念。本書會介紹資料分析中的許多技術的基本觀念，如變異數分析、偏相關係數、自相關函數、Bonferroni校正、Holm校正、隨機對照試驗、斷點迴歸分析、傾向評分匹配、T檢定、F檢定、分層多階段抽樣法等，介紹的過程中會直擊分析技術的思維，而非僅展示漂亮的數學。本書亦會說明身為資料科學家該有的素養，來避免確認偏誤、倖存者偏誤、選擇偏誤、發表偏誤、自願者偏誤、可得性偏誤、樂觀偏誤、常態偏誤、後此謬論、賭徒謬誤、辛普森謬論、p-hacking、HARKing、單方論證、霍桑效應、畢馬龍效應等資料分析中可能踩到的陷阱。如果讀者曾經有以下問題，那這本書將是你的最佳解方。● 我想知道怎麼蒐集高品質資料來加速機器學習建模● 我想知道什麼樣的資料適合什麼分析技術● 我想知道分析過程中是否參雜不自覺的偏見● 我想知道分析完的結果代表什麼意思● 我想知道為什麼資料分析可以解決問題此外，中文版還提供免費Python程式下載，讓讀者可以實際演練書中的範例，加深對知識的理解。本書貫通從資料蒐集、資料分析、資料解讀每一個環節的觀念，讓你走上資料科學家的康莊大道！ 本書特色: ● 好評推薦（依姓名筆劃順序排列）國立政治大學統計學系副教授、台灣人工智慧學校講師 吳漢銘 推薦 國立政治大學統計學系助理教授 周珮婷 推薦「資料科學家的工作日常」版主 張維元 推薦國立臺灣大學名譽教授 謝南瑞 推薦● 概念性介紹資料分析的流程，探討過程中所需要的技術，解說分析結果的意義● 拒絕只展示漂亮數學，改變傳統一直寫程式的教學，帶你直擊資料分析流程的根本觀念● 分享