Readmoo 讀墨電子書
每日問答 每日優惠 版權到期
資料科學入門完全指南：資料分析的觀念．處理．實作
0 則劃線
0 篇書評

資料科學入門完全指南：資料分析的觀念．處理．實作

分類導覽 > 電腦科技 > 作業系統
  • 出版日期： 2023/09/20
  • 語言：繁體中文
  • 檔案大小：18.8MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9786267273852
  • eISBN: 9786267383001
  • 頁數： 308
紙本書定價：NT$ 700
電子書定價：NT$ 700
電子書售價：NT$ 560
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

l 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。

喜歡這本的人，也看了...

  • 紫色竹子
    紫色竹子
    電子書： NT$ 250

    這是一本教你用最簡單的操作來完成自出版的書，也是一本幫你實現夢想的書。 自出版，雖然形式上較為自由，但實際出版後，相對應的挫折可能接踵而來。本書紀錄...

    試讀
  • PCuSER研究室
    PCuSER電腦人
    出版日期：2017-09-05
    電子書： NT$ 104

    函數絕對是Excel中的精髓！學會函數保證你在製作高難度報表時更加無往不利，本書收錄了超過百則常用的Excel函數，不管是文字格式、邏輯函數、時間日期、資料...

    試讀
  • 王進德
    博碩文化
    出版日期：2023-03-11
    電子書： NT$ 500

    以實作範例說明指令用法，輕鬆進入Ubuntu的世界 掌握Ubuntu的管理及應用，建立更安全的Linux平台及專屬的物聯網平台

    試讀
  • 查看系列
    林維哲
    龍文化出版
    電子書： NT$ 319

    你的時間不該被瑣事綁架！想從每天的忙碌中解放，實現財富與時間自由？這本書專為創業新手、企業主與副業愛好者打造，教你用系統化思維，打造自動化獲利閉環...

    試讀
  • AS Studio
    AS studio
    電子書： NT$ 250

    告別 AS/400 的學習焦慮！ 本書濃縮了作者從非本科轉職的實戰學習筆記，專為程式新手、轉職者與 AS/400 的初學者設計。 【直擊重點】: 不談艱深理論，只給...

    試讀
  • 吳燦銘
    博碩文化
    出版日期：2025-08-29
    電子書： NT$ 640

    Windows 11功能大解析！無痛銜接微軟最新作業系統

    試讀
  • 王進德
    王進德
    電子書： NT$ 100

    本書專為 Raspberry Pi 初學者與愛好者量身打造，涵蓋了全新 Raspberry Pi 5 的基礎知識與應用指南。從硬體介紹到操作系統安裝，從網路設定到相機模組運用，...

    試讀
  • 陳志賢 T.U. Chen
    陳志賢
    電子書： NT$ 60

    VirtualBox 是x86 平台的虛擬機器模擬器. 目前和Java 一樣由 ORACLE 公司持有及維護, 但其維持符合GNU General Public License(GPL) version 2規定的免費開放...

    試讀
  • 翁卓立
    PCuSER電腦人
    出版日期：2011-07-12
    電子書： NT$ 399

    ※電子書不附範例檔案。 要學會Ubuntu 11.04從入門到精通，就必須從基礎、應用、網路、進階，一一學起。

    試讀
  • 齋藤昌義
    台灣東販
    出版日期：2024-02-23
    電子書： NT$ 385

    用圖看懂最新IT趨勢

    試讀
  • 王俊詠
    博碩文化
    出版日期：2018-02-11
    電子書： NT$ 199

    覺得工具書太厚重，午睡拿來趴又嫌太硬… 看見Excel表格後兩眼發直，資料越多，視線越模糊… 越來越習慣同事來問問題，甚至受人崇拜… 工作效率高人一等，逼...

    試讀
  • 蘇勝宏
    蘇勝宏
    電子書： NT$ 300

    筆者教學倉頡輸入法的經驗，和自行研究中文輸入法的心得，整理編輯本書。 筆著研發改良「老蘇形音中文輸入法」的目的是為了改良「速成輸入法」同碼字太多...

    試讀

    • 詳細資訊

    "l 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。
    l 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。

    l 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。

    l 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。

    l 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）。

    l 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。"

    目錄列表

  • 資料科學入門完全指南：資料分析的觀念．處理．實作
    1. 目錄
      1. Chapter 01 資料的概念
        1. 1.1 資料的價值
          1. 1.1.1 資料的成長趨勢
          2. 1.1.2 資料的影響力
          3. 1.1.3 資料的應用方式
        2. 1.2 資料的型態
          1. 1.2.1 這個世界是由系統＋變數所組成的
          2. 1.2.2 常見變數類型介紹
          3. 1.2.3 如何儲存＆處理這些變數
        3. 1.3 資料的尺度
          1. 1.3.1 資料尺度
          2. 1.3.2 常見資料尺度介紹
          3. 1.3.3 不同尺度的差別
      2. Chapter 02 Python基礎
        1. 2.1 Python語言
          1. 2.1.1 Python語言特性與歷史
          2. 2.1.2 Python的生態與常用資料分析套件介紹
        2. 2.2 Python環境
          1. 2.2.1 安裝Conda虛擬環境管理器
          2. 2.2.2 安裝VS Code編輯器
          3. 2.2.3 撰寫你的第一個程式
        3. 2.3 基本運算
          1. 2.3.1 變數
          2. 2.3.2 基本輸入輸出
          3. 2.3.3 運算符號
          4. 2.3.4 Python資料型態
        4. 2.4 流程與控制結構
          1. 2.4.1 條件控制
          2. 2.4.2 迴圈
          3. 2.4.3 函數
          4. 2.4.4 套件與引用
      3. Chapter 03 基本數值資料處理
        1. 3.1 numpy
          1. 3.1.1 簡介
          2. 3.1.2 NumPy陣列基礎
          3. 3.1.3 基本運算
          4. 3.1.4 線性代數運算
          5. 3.1.5 廣播機制
          6. 3.1.6 向量化函數操作
        2. 3.2 pandas
          1. 3.2.1 Pandas簡介
          2. 3.2.2 Pandas數據結構
          3. 3.2.3 Pandas數據讀取與清理
          4. 3.2.4 Pandas數據選擇與操作
      4. Chapter 04 各式資料處理
        1. 4.1 影像資料原理
          1. 4.1.1 引言
          2. 4.1.2 影像與視覺
          3. 4.1.3 影像資料的基本原理
          4. 4.1.4 影像資料的進階理解
        2. 4.2 影像資料處理實作
          1. 4.2.1 簡介
          2. 4.2.2 讀取與顯示
          3. 4.2.3 圖片基本操作
          4. 4.2.4 影像特徵提取
          5. 4.2.5 基本影像處理
        3. 4.3 音訊資料原理
          1. 4.3.1 引言
          2. 4.3.2 音訊與聽覺
          3. 4.3.3 音訊資料的基本原理
          4. 4.3.4 音訊資料的進階理解
          5. 4.3.5 音訊資料的分析方向
        4. 4.4 音訊資料處理實作
          1. 4.4.1 簡介
          2. 4.4.2 讀取與處理
          3. 4.4.3 音訊特徵提取
          4. 4.4.4 音訊基本處理
        5. 4.5 文字資料原理
          1. 4.5.1 引言
          2. 4.5.2 文字與語義
          3. 4.5.3 文字資料的基本原理
          4. 4.5.4 文字資料的進階理解
          5. 4.5.5 文字資料的分析方向
        6. 4.6 文字資料處理實作
          1. 4.6.1 文字前處理
          2. 4.6.2 關鍵詞提取
          3. 4.6.3 文字向量嵌入模型
      5. Chapter 05 資料前處理
        1. 5.1 資料清理
          1. 5.1.1 簡介
          2. 5.1.2 資料過濾
          3. 5.1.3 缺失值處理
          4. 5.1.4 重複值處理
          5. 5.1.5 離群值處理
        2. 5.2 資料轉換
          1. 5.2.1 前言
          2. 5.2.2 特徵選擇
          3. 5.2.3 資料類型轉換
          4. 5.2.4 資料編碼
          5. 5.2.5 資料縮放
          6. 5.2.6 資料分佈轉換
          7. 5.2.7 資料增強
        3. 5.3 資料視覺化
          1. 5.3.1 資料視覺化
          2. 5.3.2 資料視覺化實作
      6. Chapter 06 其他專題補充
        1. 6.1 探索式分析（EDA）
          1. 6.1.1 探索式資料分析（EDA）
          2. 6.1.2 實作：用AutoEDA對資料做初步探索
        2. 6.2 網頁爬蟲
          1. 6.2.1 爬蟲概念介紹
          2. 6.2.2 網頁爬蟲實作
          3. 6.2.3 爬蟲限制與應注意事項
        3. 6.3 機器學習與模型評估
          1. 6.3.1 機器學習
          2. 6.3.2 模型評估
          3. 6.3.3 實作：紅酒品質分類
        4. 6.4 用ChatGPT建立QA回答系統
          1. 6.4.1 OpenAI API
          2. 6.4.2 提示工程的注意事項
          3. 6.4.3 實作：使用自有知識庫建立QA問答系統
        5. 6.5 Hugging Face
          1. 6.5.1 簡介
          2. 6.5.2 實作：使用Hugging Face上的預訓練模型做情緒分類
        6. 6.6 資料管線
          1. 6.6.1 ETL概念介紹
          2. 6.6.2 Dagster簡介
          3. 6.6.3 實作：用Dagster管理IThome文章瀏覽數爬蟲結果
        7. 6.7 常見誤區
          1. 6.7.1 前言
          2. 6.7.2 常見誤區
          3. 6.7.3 結語－成為更優秀的資料分析師

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    Notion全方位管理術：任務管理×收支記帳×知識筆記×ChatGPT×Notion AI（iThome鐵人賽系列書）

    MORE
    出版社簡介
    深智數位股份有限公司
    出版社作品

    生成式AI × 穩健提示爬蟲技術 I－數據抓取篇：爬蟲× OCR × 多模態API應用×Perplexity AI Comet Generative AI × Robust Prompted Sampling

    大型語言模型應用實戰：從Prompt Engineering到Agentic RAG與MCP

    NotebookLM筆記術：打造你的AI「第二大腦」

    更多出版社作品
    試讀