用Python快速上手資料分析與機器學習

幫助您在最短的時間內學到資料科學必備的技術與基礎知識
本書的目標族群是想成為資料分析工程師的讀者、對Python有一定程度了解的工程師。所謂「有一定程度了解」，指的是能讀懂Python官方手冊的程度，本書只介紹最低限度所需的Python語法與規格。至於資料分析方法，會使用NumPy或pandas介紹處理資料的方法，接著會介紹以Matplolib具體呈現資料的方法，最後再解說以scikit-learn進行機器學習的分類或預測的方法。除了工具的使用方式之外，也會解說基礎的數學知識。

搞懂資料分析與機器學習必懂的數學知識
要分析資料或是進行機器學習，就必須具備相關的數學知識，所以本書將從數學公式開始講解，直到大家能了解數學公式為止。再者，實際分析資料時，收集資期待各位讀者能透過本書全面地學習資料分析，進而踏出成為資料分析工程師的第一步。

．資料分析必備的基礎數學知識
．基本的Python語法
．使用NumPy或pandas處理資料的方法
．利用Matplolib進行資料視覺化的方法
．以scikit-learn進行機器學習的分類或預測
．實作網路爬蟲
．實作自然語言處理
．實作影像分類

寺田學

　　目前主要是提供Python Web相關的諮詢與建置手法。從2010年開始積極從事日本國內Python社群的活動，也盡力舉辦PyCon JP。2013年3月開始擔任一般社團法人PcCon JP代表理事，目前也主辦其他OSS相關社群或是擔任相關社群的工作人員。為了說明Python的魅力，最近也全心全意擔任初學者課程與機械學習領域的Python講師。

辻 真吾

　　研究所畢業後，於IT創投企業服務，但不到三年就離職。回歸博士課程，從事生物資訊科學的研究。目前隸屬東京大學先端科學技術研究中心Genome Science領域。從2015年開始主辦Start Python Club，每個月舉辦一次每個人都可參考的『大家的Python讀書會』。

鈴木たかのり

　　為了建立部內網站而與Zope/Plone相遇，有需要的時候就會使用Python。2011年1月擔任PyCon mini JP的工作人員，2014年～2016年擔任PyCon JP座長。其他的主要活動有擔任Python攀岩部（#kabepy）部長與主辦Python mini Hack-a-thon（#pyhack）。

福島真太朗

　　研究所時期開始利用C語言與C++語言進行非線性力學的數值計算，進入社會後，從事機械學習、資料剖析的工作，才與Python（與R）相遇。目前在株式會社TOYOTA IT開發中心利用Python與Julia進行工廠感測器資料、車輛資料、影像資料、物理性質、材料資料的剖析。

Chapter 1 資料分析工程師所扮演的角色
1.1 資料分析的世界
1.2 機械學習的定位與流程
1.3 主要用於資料分析的套件

Chapter 2 Python與環境
2.1 建置執行環境
2.2 Python的基礎
2.3 Jupyter Notebook

Chapter 3 數學的基礎
3.1 閱讀公式所需的基礎知識
3.2 線性代數
3.3 基礎解析
3.4 機率與統計

Chapter 4 利用函式庫分析
4.1 NumPy
4.2 pandas
4.3 Matplotlib
4.4 scikit-learn

Chapter 5 進階：資料的收集與加工
5.1 網路爬蟲
5.2 自然語言的處理
5.3 圖檔處理