使用手機/平板掃描QR Code借閱前，請先下載/安裝 udn讀書館 App。
網路書店年度百大電腦資訊暢銷書
《Python自學聖經》系列力作
運用Python掌握資料科學的價值
讓人工智慧機器學習找出趨勢的關鍵密碼
完整涵蓋Python資料科學技術，從開發工具、資料預處理、
機器學習、深度學習到模型訓練進化一應俱全！
給需要本書的人：
★想進入Python資料科學領域，又不知怎麼切入的人
★面對資料科學龐大又雜亂的理論與資訊卻不知如何下手的人
★想快速且有系統收集大量資料，並提高處理運用效率的人
★想利用大量資料進行分析，找出隱藏訊息與趨勢以協助決策的人
★想運用資料數據訓練人工智慧模型，開發適用的演算法進行預測與解決問題的人
隨著AI人工智慧帶來的科技革命，資料科學的應用正在改變你我的生活。如何由龐大的資料數據中擷取爬梳出有價值的資訊，判斷決策，甚至能預測趨勢、掌握契機，是資料科學為現代社會帶來的新視野。
資料科學橫跨多個領域，涵蓋數學、統計與電腦科學等面向。如果想有系統的進入資料科學領域，歡迎藉由本書循序漸進的學習。書中除了有資料科學的觀念，還有技術應用與發展方向，讓每個艱澀觀念都能在範例實作的引導下有著更清楚的輪廓，讓你一探資料科學迷人的樣貌。
【書籍特色】
■深入淺出，只要具備基礎Python程式語言能力即可輕鬆上手。
■標示出重要觀念，在學習的過程中不會錯失關鍵內容。
■應用範例導向，每個觀念皆附實用案例，不怕學不會。
■不使用艱澀數學推導資料科學原理，而以淺顯易懂的文字解說學理。
■實作圖片增量及遷移學習，即使少量資料也可訓練出實用模型。
■實作機器學習與深度學習模型參數調校，輕鬆建立完美模型。
【重要關鍵】
■應用工具：雲端開發平台(Google Colab)、資料科學工具(Numpy、Pandas、Matplotlib、Seaborn)、網路爬蟲(requests、BeautifulSoup)。
■資料預處理：資料清洗、缺失值、重複值及異常值的處理、資料檢查、資料合併、樞紐分析表、圖片增量，以及資料標準化、資料轉換與特徵選擇。
■機器學習：學習工具(Scikit-Learn)、非監督式學習(K-means演算法、DBSCAN演算法、PCA降維演算法)、監督式學習分類演算法(Scikit-Learn資料集、K近鄰演算法、單純貝氏演算法、決策樹演算法、隨機森林演算法)、監督式學習迴歸演算法(線性迴歸演算法、邏輯迴歸演算法、支持向量機演算法)。
■深度學習：學習工具(TensorFlow、Keras)、深度神經網路(DNN)、MNIST手寫數字圖片辨識實作、Gradio模組(深度學習成果展示、過擬合)、卷積神經網路(CNN)與循環神經網路(RNN)。
■模型訓練進化：預訓練模型、遷移學習、深度學習參數調校、hyperas參數調校神器，以及手寫數字辨識參數調校。
【超值學習資源】
獨家收錄360分鐘「Python資料科學關鍵影音教學」、全書範例程式檔
《Python自學聖經》系列力作
運用Python掌握資料科學的價值
讓人工智慧機器學習找出趨勢的關鍵密碼
完整涵蓋Python資料科學技術，從開發工具、資料預處理、
機器學習、深度學習到模型訓練進化一應俱全！
給需要本書的人：
★想進入Python資料科學領域，又不知怎麼切入的人
★面對資料科學龐大又雜亂的理論與資訊卻不知如何下手的人
★想快速且有系統收集大量資料，並提高處理運用效率的人
★想利用大量資料進行分析，找出隱藏訊息與趨勢以協助決策的人
★想運用資料數據訓練人工智慧模型，開發適用的演算法進行預測與解決問題的人
隨著AI人工智慧帶來的科技革命，資料科學的應用正在改變你我的生活。如何由龐大的資料數據中擷取爬梳出有價值的資訊，判斷決策，甚至能預測趨勢、掌握契機，是資料科學為現代社會帶來的新視野。
資料科學橫跨多個領域，涵蓋數學、統計與電腦科學等面向。如果想有系統的進入資料科學領域，歡迎藉由本書循序漸進的學習。書中除了有資料科學的觀念，還有技術應用與發展方向，讓每個艱澀觀念都能在範例實作的引導下有著更清楚的輪廓，讓你一探資料科學迷人的樣貌。
【書籍特色】
■深入淺出，只要具備基礎Python程式語言能力即可輕鬆上手。
■標示出重要觀念，在學習的過程中不會錯失關鍵內容。
■應用範例導向，每個觀念皆附實用案例，不怕學不會。
■不使用艱澀數學推導資料科學原理，而以淺顯易懂的文字解說學理。
■實作圖片增量及遷移學習，即使少量資料也可訓練出實用模型。
■實作機器學習與深度學習模型參數調校，輕鬆建立完美模型。
【重要關鍵】
■應用工具：雲端開發平台(Google Colab)、資料科學工具(Numpy、Pandas、Matplotlib、Seaborn)、網路爬蟲(requests、BeautifulSoup)。
■資料預處理：資料清洗、缺失值、重複值及異常值的處理、資料檢查、資料合併、樞紐分析表、圖片增量，以及資料標準化、資料轉換與特徵選擇。
■機器學習：學習工具(Scikit-Learn)、非監督式學習(K-means演算法、DBSCAN演算法、PCA降維演算法)、監督式學習分類演算法(Scikit-Learn資料集、K近鄰演算法、單純貝氏演算法、決策樹演算法、隨機森林演算法)、監督式學習迴歸演算法(線性迴歸演算法、邏輯迴歸演算法、支持向量機演算法)。
■深度學習：學習工具(TensorFlow、Keras)、深度神經網路(DNN)、MNIST手寫數字圖片辨識實作、Gradio模組(深度學習成果展示、過擬合)、卷積神經網路(CNN)與循環神經網路(RNN)。
■模型訓練進化：預訓練模型、遷移學習、深度學習參數調校、hyperas參數調校神器，以及手寫數字辨識參數調校。
【超值學習資源】
獨家收錄360分鐘「Python資料科學關鍵影音教學」、全書範例程式檔