益大資訊~東京大學資料科學家養成全書：使用 Python 動手學習資料分析－益大資訊（原光華商場益大書局）益大電腦圖書專賣店

出版社：臉譜

出版日期：2020年6月11日

ISBN:9789862358320

定價：780元售價：585元

有看部落格的才有此優惠喔
也可到露天購買https://goods.ruten.com.tw/item/show?22025697072888

yahoo購買https://tw.bid.yahoo.com/item/%E7%9B%8A%E5%A4%A7%E8%B3%87%E8%A8%8A-%E6%9D%B1%E4%BA%AC%E5%A4%A7%E5%AD%B8%E8%B3%87%E6%96%99%E7%A7%91%E5%AD%B8%E5%AE%B6%E9%A4%8A%E6%88%90%E5%85%A8%E6%9B%B8-%E4%BD%BF%E7%94%A8-Python-%E5%8B%95-100861306071

pchome 商店街購買https://seller.pcstore.com.tw/S140967598/C1435248291.htm
內容簡介

「大數據會消失，資料科學不會」
「所有的科學都是資料科學」
―――東京大學松尾豐研究室人氣講座書籍化―――

★東京大學為期2年、超過1800人報名、400人上課的課程講義，資料科學家基礎講座！
★使用Python學習基本的程式撰寫，邊做邊學，培養資料科學技能！
★收錄大量練習題和綜合題演練，打好理論基本功，具體應用於實務現場！
★體驗資料科學的魅力，培養整合跨領域課題的創造力！

本書廣泛說明資料科學不可不知的基礎事項，蒐羅豐富的重要關鍵知識和好用的參考資料，希望成為學習資料科學這門學科的地圖與羅盤。
書中主要使用Python來學習基本的程式撰寫技巧，以及資料的取得、讀取、操作等，含括各式各樣Python函式庫的使用方式、機率統計的手法、機器學習（監督式學習、非監督式學習、效能調校），還有讓Python高速化的方法和Spark的簡單操作等。操作的資料包括市場行銷的資料和紀錄、金融的時間序列資料等，並介紹將它們模型化之前的加工手法。對於有志成為資料科學家的讀者來說，透過本書，能夠學習不可或缺的必備技能。只要能培養基本的思考方式與知識，即使面對未知的問題，也可以一邊研究一邊學習。
此外，本書說明如何實際將現場的資料進行加工與分析，如何具體運用於市場行銷或金融等，使用何種手法來撰寫程式比較好，以及組合那些程式的技巧和流程。除了理論解說，也介紹實務性的使用方法，可立即上手應用。
一般的市場行銷書籍，以市場行銷的手法為中心而缺乏實作方法；另一方面，機器學習的書籍雖然介紹了理論與實作，但未說明市場行銷的手法等實務性的使用方式，大多為某個特定領域的專門書籍。本書整體網羅了對於資料科學來說必不可少的課題，還能立即嘗試實作。
另外一大特點是，書中收錄大量實作的練習題，以實際的問題為前提來思考並動手實踐。馬上學，馬上練，馬上懂！

◎本書的出版緣由

本書以東京大學2017年至2018年的「全球消費者情報捐贈講座」（グローバル消費インテリジェンス寄付講座）講義和線上課程教材為基礎，用簡潔易懂的形式彙整編纂而成。
這個廣受歡迎的熱門講座首度書籍化，原因有三：
首先，希望讓更多讀者了解資料科學，培養資料分析技能。資訊時代各行各業都需要資料分析的人才，了解應該具備哪些知識、有何種處理手法、能達成什麼樣的目標，善用資料科學將是致勝的關鍵。
其次，雖然線上資源豐富又方便取得，但並非隨時都能在線上學習。藉由書籍的形式，可因地制宜反覆演練複習。
第三，以學習效果來說，書本的編排有助於深入思考，成效更佳。

◎本書的目標讀者

˙以有程式設計經驗、完成理科大一大二程度數學者為對象，以及對資料科學有高度學習意願的一般人士
˙藉由本書，可掌握資料科學入門程度至中級程度的內容，已達中級程度以上的讀者也能參酌本書來複習資料分析相關知識
˙對於目前備受矚目的深度學習，可透過本書掌握學習深度學習之前必需的基礎技能

◎本書的目的

所謂的科學，是從世界上混沌的現象裡找出本質，逐步解決各種問題。從日漸龐大的資料當中，使用科學的力量，解決各式各樣問題的，便是資料科學。
資料科學不僅只是數學（統計、機率、機器學習等），更借用了IT等各種力量，不斷挑戰世界上的難題與背後課題的綜合領域。
活用這樣資料科學和人工智慧的力量，減少浪費與沒有效率的事物，進一步創造出新價值，讓這個世界更加美好。

Chapter 1 本書的概要與Python的基礎
1-1   資料科學家的工作
1-1-1   資料科學家的工作
1-1-2   資料分析的流程
1-1-3   本書的架構
1-1-4   對閱讀本書有幫助的文獻
1-1-5   動手來學習吧
1-2   Python的基礎
1-2-1   Jupyter Notebook的使用方法
1-2-2   Python的基礎
1-2-3   串列型別與字典型別
1-2-4   條件分歧與迴圈
Column format寫法與%寫法
1-2-5   函式
Practice 練習問題1-1
       練習問題1-2
1-2-6   類別與實例
Practice 第1章綜合問題

Chapter 2 科學計算、資料加工、圖形描繪函式庫的使用方法之基礎
2-1 用於資料分析的函式庫
2-1-1 函式庫的匯入
2-1-2 Magic Command
2-1-3 匯入用於本章的函式庫
2-2 Numpy的基礎
2-2-1 Numpy的匯入
2-2-2 陣列的操作
2-2-3 亂數
   Column Numpy非常快
2-2-4 矩陣
   Practice 練習問題2-1
           練習問題2-2
           練習問題2-3
2-3 Scipy的基礎
2-3-1 Scipy的函式庫匯入
2-3-2 矩陣運算
2-3-3 牛頓法
   Practice 練習問題2-4
           練習問題2-5
           練習問題2-6
2-4 Pandas的基礎
2-4-1 Pandas的函式庫匯入
2-4-2 Series的使用方法
2-4-3 DataFrame的使用方法
2-4-4 行列的操作
2-4-5 資料的抽出
2-4-6 資料的刪除與結合
2-4-7 統計
2-4-8 值的排序
2-4-9 nan (null)的判斷
   Practice 練習問題2-7
          練習問題2-8
           練習問題2-9
2-5 Matplotlib的基礎
2-5-1 使用Matplotlib的準備工作
2-5-2 散佈圖
2-5-3 圖形的分割
2-5-4 函數圖形的描繪
2-5-5 直方圖
   Column 各種資料的視覺化
   Practice 練習問題2-10
           練習問題2-11
           練習問題2-12
   Practice 第2章綜合問題

Chapter 3 敘述統計與簡單迴歸分析
3-1 統計解析的種類
3-1-1 記述統計與推論統計
3-1-2 匯入用於本章的函式庫
3-2 資料的讀取與對話
3-2-1 讀取網路等處公開的對象資料
3-2-2 資料的讀取與確認
3-2-3 確認資料的性質
   Column 關於「變數」這個術語
3-2-4 量的資料與質的資料
3-3 記述統計
3-3-1 直方圖
3-3-2 平均、中位數、眾數
3-3-3 變異數、標準差
3-3-4 敘述統計與百分位數
3-3-5 箱型圖
3-3-6 變異係數
3-3-7 散佈圖與相關係數
3-3-8 描繪所有變數的直方圖與散佈圖
   Practice 練習問題3-1
           練習問題3-2
           練習問題3-3
3-4 簡單迴歸分析
3-4-1 簡單線性迴歸分析
3-4-2 決定係數
   Practice 練習問題3-4
           練習問題3-5
           練習問題3-6
   Practice 第3章綜合問題

Chapter 4 機率與統計基礎
4-1 學習機率與統計的準備工作
4-1-1 本章的背景知識
4-1-2 匯入用於本章的函式庫
4-2 機率
4-2-1 數學機率
4-2-2 統計機率
4-2-3 條件機率與乘法定理
4-2-4 獨立與相關
4-2-5 貝氏定理
   Practice 練習問題4-1
           練習問題4-2
           練習問題4-3
4-3 機率變數與機率分布
4-3-1 機率變數、機率函數、分布函數、期望值
4-3-2 各種分布函數
4-3-3 核密度函數
   Practice 練習問題4-4
           練習問題4-5
           練習問題4-6
4-4 應用：多維機率分布
4-4-1 聯合機率函數與邊際機率函數
4-4-2 條件機率函數與條件期望值
4-4-3 獨立的定義與連續分布
4-5 推論統計學
4-5-1 大數法則
4-5-2 中央極限定理
4-5-3 樣本分布
   Practice 練習問題4-7
           練習問題4-8
           練習問題4-9
4-6 統計推論
4-6-1 估計量與點估計
4-6-2 無偏性與一致性
4-6-3 區間估計
4-6-4 計算估計量
   Practice 練習問題4-10
           練習問題4-11
           練習問題4-12
4-7 統計檢驗
4-7-1 檢驗
4-7-2 第一型錯誤與第二型錯誤
4-7-3 檢驗大數據的注意事項
   Practice 練習問題4-13
   Practice 第4章綜合問題

Chapter 5 使用Python進行科學計算（Numpy與Scipy）
5-1 概要與事前準備
5-1-1 本章的概要
5-1-2 匯入用於本章的函式庫
5-2 使用Numpy計算之應用
5-2-1 索引的參照
   Practice 練習問題5-1
           練習問題5-2
           練習問題5-3
5-2-2 Numpy的運算處理
   Practice 練習問題5-4
           練習問題5-5
           練習問題5-6
5-2-3 陣列操作與廣播
   Practice 練習問題5-7
           練習問題5-8
           練習問題5-9
5-3 使用Scipy計算之應用
5-3-1 內插
5-3-2 線性代數：矩陣分解
   Practice 練習問題5-10
           練習問題5-11
           練習問題5-12
           練習問題5-13
           練習問題5-14
5-3-3 積分與微分方程式
   Practice 練習問題5-15
           練習問題5-16
5-3-4 最佳化
   Practice 練習問題5-17
           練習問題5-18
   Practice 第5章綜合問題

Chapter 6 使用Pandas進行資料加工處理
6-1 概要與事前準備
6-1-1 匯入用於本章的函式庫
6-2 Pandas的基本資料操作
6-2-1 階層型索引
   Practice 練習問題6-1
           練習問題6-2
           練習問題6-3
6-2-2 資料的結合
   Practice 練習問題6-4
       練習問題6-5
       練習問題6-6
6-2-3 資料的操作與變換
   Practice 練習問題6-7
           練習問題6-8
           練習問題6-9
6-2-4 資料的聚合與群組運算
   Practice 練習問題6-10
           練習問題6-11
           練習問題6-12
6-3 遺漏資料與異常值處理的基礎
6-3-1 遺漏資料的處理方法
   Practice 練習問題6-13
           練習問題6-14
           練習問題6-15
6-3-2 異常資料的處理方法
6-4 時間序列資料處理的基礎
6-4-1 時間序列資料的處理與變換
   Practice 練習問題6-16
6-4-2 移動平均
   Practice 練習問題6-17
   Practice 第6章綜合問題

Chapter 7 使用Matplotlib進行資料視覺化
7-1 資料的視覺化
7-1-1 關於資料的視覺化
7-1-2 匯入用於本章的函式庫
7-2 資料視覺化的基礎
7-2-1 長條圖
7-2-2 圓餅圖
   Practice 練習問題7-1
           練習問題7-2
           練習問題7-3
7-3 應用：金融資料的視覺化
7-3-1 將金融資料視覺化
7-3-2 顯示K線的函式庫
7-4 應用：思考分析結果的表現方式
7-4-1 關於資料製作的重點
Practice 第7章綜合問題
Column 移動平均時間序列資料與對數時間序列資料

Chapter 8 機器學習的基礎（監督式學習）
8-1 機器學習的概觀
8-1-1 何謂機器學習？
8-1-2 監督式學習
8-1-3 非監督式學習
8-1-4 強化學習
8-1-5 匯入用於本章的函式庫
8-2 多元線性迴歸
8-2-1 讀取汽車售價資料
8-2-2 資料的整理
8-2-3 模型建構與評估
8-2-4 模型建構與模型評估流程的總結
   Practice 練習問題8-1
8-3 邏輯迴歸
8-3-1 邏輯迴歸的例子
8-3-2 資料的整理
8-3-3 模型建構與評估
8-3-4 藉由縮放提高來預測準確度
   Practice 練習問題8-2
練習問題8-3
8-4 具正則化的迴歸：Lasso迴歸、Ridge迴歸
8-4-1 Lasso迴歸、Ridge迴歸的特徵
8-4-2 多元線性迴歸與Ridge迴歸的比較
   Practice 練習問題8-4
8-5 決策樹
8-5-1 蘑菇資料集
8-5-2 資料的整理
8-5-3 熵：雜質的指標
8-5-4 資訊獲利：測量分歧條件的有用性
8-5-5 決策樹的模型建構
   Practice 練習問題8-5
8-6 k-NN（K最近鄰演算法）
8-6-1 k-NN的模型建構
   Practice 練習問題8-6
練習問題8-7
8-7 支援向量機
8-7-1 支援向量機的模型建構
   Practice 練習問題8-8
   Practice 第8章綜合問題

Chapter 9 機器學習的基礎（非監督式學習）
9-1 非監督式學習
9-1-1 非監督式模型的種類
9-1-2 匯入用於本章的函式庫
9-2 分群
9-2-1 k-means法
9-2-2 使用k-means法分群
9-2-3 將金融市場行銷資料分群
9-2-4 使用手肘法判斷群數
9-2-5 分群結果的解釋
9-2-6 k-means法以外的手法
   Practice 練習問題9-1
9-3 主成分分析
9-3-1 嘗試主成分分析
9-3-2 主成分分析的實例
   Practice 練習問題9-2
9-4 購物籃分析與關聯規則
9-4-1 何謂購物籃分析？
9-4-2 讀取用來進行購物籃分析的樣本資料
9-4-3 關聯規則
   Practice 第9章綜合問題

Chapter 10 模型的驗證方法與效能調校方法
10-1 模型的評估與提高精確度的方法
10-1-1 機器學習的問題與手法
10-1-2 匯入用於本章的函式庫
10-2 模型的評估與效能調校
10-2-1 Holdout法與交叉驗證法
   Practice 練習問題10-1
10-2-2 效能調校：超參數的調校
   Practice 練習問題10-2
10-2-3 效能調校：特徵的處理
10-2-4 模型的種類
10-3 模型的評估指標
10-3-1 分類模型的評估：混淆矩陣與關聯指標
   Practice 練習問題10-3
10-3-2 分類模型的評估：ROC曲線與AUC
   Practice 練習問題10-4
10-3-3 迴歸模型的評估指標
10-4 集成學習
10-4-1 Bagging
   Practice 練習問題10-5
10-4-2 Boosting
   Practice 練習問題10-6
10-4-3 隨機森林、梯度Boosting
10-4-4 進一步了解
   Practice 練習問題10-7
   Practice 第10章綜合問題

Chapter 11 綜合練習問題
11-1 綜合練習問題
11-1-1 綜合練習問題(1)
11-1-2 綜合練習問題(2)
11-1-3 綜合練習問題(3)
11-1-4 綜合練習問題(4)
11-1-5 綜合練習問題(5)
11-1-6 綜合練習問題(6)
11-1-7 參考：往後進行資料分析

Appendix
A-1 關於本書的環境建置
A-1-1 關於Anaconda
A-1-2 下載Anaconda的套件
A-1-3 安裝Anaconda
A-1-4 安裝pandas-datareader與Plotly
A-2 練習問題解答
A-2-1 Chapter1 練習問題
A-2-2 Chapter2 練習問題
A-2-3 Chapter3 練習問題
A-2-4 Chapter4 練習問題
A-2-5 Chapter5 練習問題
A-2-6 Chapter6 練習問題
A-2-7 Chapter7 練習問題
A-2-8 Chapter8 練習問題
A-2-9 Chapter9 練習問題
A-2-10 Chapter10 練習問題
A-2-11 Chapter11 綜合練習問題
Column 虛擬變數與多元共線性
A-3 參考文獻、參考URL
A-3-1 參考文獻
A-3-2 參考URL