Python Data Science Handbook

快樂寫程式 輕鬆學Python市面上唯一一本全彩圖解，以豐富的插圖、輕鬆的文字、精心編排的簡單步驟，帶領讀者體驗輕鬆學會Python的學習樂趣。這本書設計了許多精彩、有趣的範例程式，帶你開發出讓人玩不停手的瘋狂遊戲、破解棘手的程式碼，以及製作巧妙的益智問答遊戲。本書能協助你熟悉程式技巧，從範例專案起始，引領你建立及改寫程式碼，進而創造屬於自己的專案。完全沒學過程式設計的讀者真的不用擔心，只要從本書

論文集的書名，定為：「刑事法的浪潮與濤聲」。表示刑事法的新思潮，像海浪一波波地湧至；眾多學者的看法，就像濤聲一樣，陣陣的襲來，美不勝收。 The name of this Festschrift is called “Currents and Waves of Criminal Law Science.” It means that new thoughts surge through crim

論文集的書名，定為：「刑事法的浪潮與濤聲」。表示刑事法的新思潮，像海浪一波波地湧至；眾多學者的看法，就像濤聲一樣，陣陣的襲來，美不勝收。 The name of this Festschrift is called “Currents and Waves of Criminal Law Science.” It means that new thoughts surge through crim

文理組都能成功自學 AI 程式理論與實作並用，打造穩固的深度學習基礎本書內容改編自第 14 屆 iThome 鐵人賽 AI & Data 組的佳作系列文章《新手也能懂得 AI - 深入淺出的 AI 課程》。本書將以 AI 人工智慧的圖像與文字兩大領域應用為主軸，並對目前熱門的技術進行深度解析，內容範圍廣闊，涵蓋了辨識、生成和預測等技術。在閱讀本書的過程中，讀者不但會學習到基礎理論，同時也會進行程式撰寫訓練，並從實作練習加深對理論的理解與記憶。本書提供了一條 6 階段的人工智慧學習之路，從基本 Python 程式、爬蟲技術打好基礎，接著正式引領你進入 AI 人工智慧，了解深度學習模型的運作原理，並且跟著實作範例從無到有寫出 AI 程式，最後還能學會將 ChatGPT 串接到 LINE Bot，打造智慧個人小幫手。在這本書中，你將認識到各種常見的深度學習模型，包括 DNN、RNN、CNN，搭配適合初學者的 Keras、PyTorch、NumPy 等強大函式庫，讓你可以輕鬆打造阿拉伯數字辨識模型、股票趨勢預測圖，建立文章摘要，以及使用預訓練模型來強化模型的辨識能力。四大重點🚩 內容由簡入深從簡易入門，逐步理解人工智慧🚩 打通 AI 技能學習不同 AI 專案，將程式應用於生活🚩 全方面教學不需要程式基礎，從零開始寫程式🚩 理論結合實作理論與程式並重，會寫也會玩 AI目標讀者● 對於人工智慧懷抱熱情，但是毫無程式經驗的新手● 希望能夠快速習得並累積人工智慧程式專案經驗的工程師● 剛踏入人工智慧領域的學生和研究者● 需要結合人工智慧，用於特定應用領域的專業人士專業推薦「如果您正在尋找一本全面且深入的人工智慧學習資源，這本書絕對值得一讀。它提供了結構良好的學習路徑，使您能夠從基礎到高階的技術水平不斷進步。此外它以自學為導向，使您能夠更好地理解和應用所學知識，這對於成功應用人工智慧技術至關重要。無論您的學習目標如何，這本書都是一個出色的起點。」──── 李俊宏 │ 國立高雄科技大學 電機工程系 資通組教授

♚瞭解資料科學：說明資料科學概念，深入淺出演算法 ♚掌握實例應用：學習科技公司技術，掌握各種應用場景 ♚運用實戰案例：涵蓋各種機器學習模型來打造實用功能 ♚清楚內容編排：針對所需主題閱讀，充分理解演算法概念 【內容簡介】 本書內容改編自第14屆iThome鐵人賽AI& Data組的冠軍系列文章《那些在科技公司和App背後的資料科學》。你是否好奇全球頂尖的科技公司是如何利用資料科學打造出創新且成功的產品呢？本書將會深入介紹Spotify、Meta、Netflix、Uber和Airbnb等科技巨頭如何借助於資料科學和機器學習的技術，來為其產品注入革命性的創新。 本書整理及解析頂尖科技公司的機器模型與應用，內容從閱讀本書所需具備的概念開始，包括推薦系統、多臂式吃角子老虎機、A/B測試及排序模型的常見指標，再分別介紹科技巨頭的演算法內容，如Spotify和Netflix的多媒體內容推薦、Meta的社交內容推薦及排序、Airbnb的搜尋系統及房源排序模型、Uber和Uber Eats的預測模型及推薦系統等，我們將可瞭解這些演算法的理論知識，更可透過案例來學習這些模型是如何應用於實際產品之中。 【目標讀者】 ✔想要對科技公司的演算法一探究竟的資料科學家。 ✔想借鏡於頂尖科技公司如何利用資料科學，來改善個人的產品或服務的科技產業工作者。 ✔想進一步發展自身技能的資料科學家和工程師。 ✔對資料科學、科技和創新有濃厚興趣的讀者。本書特色 學習頂尖公司的演算法與資料科學，啟發AI創新應用！ 完整蒐集頂尖科技公司的演算法，學習AI世界的經驗精華！ 全面解析及整理頂尖科技公司的機器學習模型，借鏡打造AI創新路徑！專業推薦 「本書非常有結構地介紹現在科技巨頭賴以維生的各種推薦與媒合演算法。內容由淺入深地討論這些科技巨頭如何使用海量數據來揣度人心，闡釋為何看似相同的推薦與媒合問題在不同公司卻有本家家難念的經。」─ 黃從仁，國立臺灣大學心理學系模型建構與資訊學實驗室

FEATURES： A comprehensive Mathematics Handbook prepared for scientists as well as for engineers A quick review for students or researchers already familiar with the material presented Annotations give

《哈佛教你精通大數據》瞄準目前已成「顯學」的「大數據」（Big Data），精選《哈佛商業評論》2012到2013年的八篇重量級相關文章。其中，有「知識管理大師」美譽的湯瑪斯．戴文波特（Thomas H. Davenport），更是本文集的最重要作者，共收錄了三篇他在《哈佛商業評論》發表的大作，其中包括分析工具的進階、決策方式的發展，甚至還詳解「資料科學家」這個即將成為企業不可或缺的重要職缺，將為

下一代創新者的突圍策略web3.0時代每個人都需要具備的「資料素養」（data literacy）大數據（巨量資料）時代，資料是創新最重要的原物料！資料增值的關鍵不在蒐集，而在自由使用和深入分析！我們需要開放資料存取權，讓人人都能享有數位紅利！我們這個時代，看似電子產品百花齊放，創意構想層出不窮，但是與一百多年前相比，創新發明其實是處於「瘋狂停滯」之中。「資料」這種攸關創新的最重要原物料，若不是鎖在故步自封的政府機構的資料庫裡，就是僅由少數科技巨擘（Big Tech）壟斷使用權；科技創新和新創企業，反而不再遍地開花。在「美中兩大資訊強權的科技冷戰」與「科技巨擘的資料殖民主義」風暴下，該如何理解「開放資料存取權」的重要意涵，如何實踐，才能打破資訊權力的不對稱，重新點燃創新之火，讓傳統產業、中小企業、每個人都能享有數位紅利，達到資訊上的財富自由？《資料煉金術》具有高度可讀性、吸引力和重要性。這是任何想要掌握全球資訊經濟未來的人必讀之書。―― 諾維克（Beth Simone Noveck）美國東北大學治理實驗室主任「開放」是創新的絕對關鍵。閱讀這本《資料煉金術》，有助於我們瞭解資料如何驅動創新，以及如何反制科技巨星企業的壟斷。―― 伯謝特（Katharina Borchert）Mozilla 前首席創新長、Equilibrio聯合創辦人 《資料煉金術》是要求開放資料存取權的重大宣言，將有助於資料透明化，利於中小企業的加速創新。作者所提的宏大願景，很值得政策制定者關注。―― 薩克瑟尼安（AnnaLee Saxenian）《區域優勢》作者，加州大學柏克萊分校資訊學院教授《資料煉金術》是馴服科技巨頭怪獸的實用指南，寫得明快易懂，任何對全球資訊流未來的正向發展感興趣的人，都必須一讀。―― 帕斯奎爾（Frank Pasquale）美國國家科學基金會大數據與社會倫理諮詢委員這本書對於權力不對稱與數位權力來源，有大膽而富創造性的思考，並且提出了遏制數位壟斷的最佳方法，值得世界各地的政策制定者與關心這些議題的人士認真閱讀。―― 維迪亞納（Siva Vaidhyanathan）《反社會媒體：臉書如何離間我們並破壞民主》作者

★搶先了解如何玩！ 蘋果創辦人 史提夫‧賈伯斯、微軟創辦人 比爾‧蓋茲、臉書創辦人 馬克‧祖克伯和美國前總統 巴拉克‧歐巴馬??都大聲疾呼：「每個孩子都該學coding！」 世界各國都將coding列入中小學教育的一環，其重要性不容小覷！ 什麼是coding？ Coding就是編寫程式語言，讓電腦依據邏輯性指令執行任務。 為什麼學coding很重要？ 因為不論是電腦軟體、手機AP

本序列書籍編撰方式乃結合FRM官方版本、Schweser教材、FRM Handbook及FRM Practice Exams、…等等，經過摘要、編譯、再加上自己這十幾年來教學心得編著而成，絕對是華人學員參加FRM Part I國際金融證照考試最佳輔助教材：1. FRM Part I國際金融證照華人考生必讀書籍。2. 深入淺出介紹計量分析基本知識。3. 教你風險管理所需計量分析。4. 比較各種計量分

[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。