PDF
本書有DRM加密保護,需使用HyRead閱讀軟體開啟
  • 資料智慧化:利用資料科學, 將資訊化為創見
  • 點閱:298
  • 譯自:Data smart:using data science to transform information into insight
  • 作者: John W. Foreman著 , 胡為君譯
  • 出版社:碁峰資訊發行
  • 出版年:2017[民106]
  • ISBN:978-986-476-440-2 ; 986-476-440-3
  • 格式:PDF
  • 附註:原紙本書ISBN: 978-986-476-180-7

內容簡介
 
本書告訴你如何用Excel,從一堆數字中找出提升業績的秘密
不騙你,但資料科學家可不是什麼神秘的魔法師。資料科學是人人都能玩的。
真的!本書會示範最重要的資料科學技術、運作原理、使用方式,以及對業務的成效。

本書不寫程式、不談資料庫技術,只是採用最迅速無痛的方式,把原始資料變成你可以處理的東西。
捲起袖子,一起來動手吧!
 
別緊張,不過是是試算表而已。
 
本書提供範例檔案可供下載練習。您可以學到:
.使用一般線性模型、混合方法與「單純貝式」,建立人工智慧
.用 k-means、球形k-means與網路圖模組化來建立叢集
.數學最佳化,包括非線性規劃與一般演算法
.用指數平滑法,處理時間序列資料與展望
.用蒙地卡羅模擬,計算風險並量化
.在單一維度或多維度進行異常偵測
.初探資料科學專用的R程式語言
 
名人推薦
 
「本書把現代統計方法與演算法解釋得易懂易做。你再也不用被教科書與論文荼毒了!」—Patrick Crosby,StatHat創始人,OkCupid首任技術長
 
「佛爾曼先生來我公司面談時,穿著『肯德基上校』式的西裝,鬼扯一堆烤肉、雷射和柳橙汁之類的無關話題。然後,他解釋了要怎樣解決我公司的『大數據』問題,只用了簡單的試算表。不用搞伺服器叢集、大型主機或Hadoop之類的昂貴軟體。只用了Excel。我馬上決定聘請他。讀完本書後,你也會學到如何用數學方法與基礎試算表公式改善你的業務,或者至少可以騙到某位高級主管聘請你當資料分析師。」— Ben Chestnut, MailChimp創始人兼執行長
 
「約翰佛爾曼是分析團隊的必備成員,如果你搶不到他,乖乖讀本書也勉強可以啦。」— Patrick Lennon,可口可樂公司分析總監


作者簡介
 
John W. Foreman
 
MailChimp.com的首席資料科學家。服務過的客戶包括可口可樂、戴爾電腦、皇家加勒比國際郵輪、Intercontinental Hotels與美國國防部、國稅局、國土安全部、FBI。

  • 1 關於試算表,你應該要知道但卻不好意思問的一切(第1-1頁)
    • 一些樣本資料(第1-2頁)
    • 用控制按鈕快速移動(第1-2頁)
    • 迅速複製公式與資料(第1-4頁)
    • 儲存格格式(第1-5頁)
    • 貼上特殊值(第1-7頁)
    • 插入圖表(第1-7頁)
    • 尋找及取代選單(第1-8頁)
    • 找出值,設定格式(第1-9頁)
    • 使用 VLOOKUP 合併資料(第1-11頁)
    • 篩選與排序(第1-12頁)
    • 使用樞紐分析表(第1-15頁)
    • 使用陣列公式(第1-18頁)
    • 用規劃求解找出答案(第1-20頁)
    • OpenSolver:我真希望用不到這東西,但偏偏就是需要(第1-25頁)
    • 總結(第1-26頁)
  • 2 叢集分析第一篇:使用 K-means 分割顧客群(第2-1頁)
    • 女生和女生跳舞,男生一邊涼快(第2-3頁)
    • 來真的:以 K-means 叢集處理電子郵件行銷會員(第2-7頁)
    • K-Medians 數叢集與非對稱距離測量(第2-38頁)
    • 總結(第2-47頁)
  • 3 單純貝氏與單純笨蛋(第3-1頁)
    • 把產品命名為狒狒,有好有壞(第3-1頁)
    • 全世界最簡單的機率理論簡介(第3-3頁)
    • 使用貝氏定律建立 AI 模型(第3-7頁)
    • 讓 Excel 開工吧(第3-11頁)
    • 總結(第3-25頁)
  • 4 最佳化模型:「現榨」果汁,不一定就好喝(第4-1頁)
    • 為何資料科學家應該要懂最佳化?(第4-2頁)
    • 從簡單的取捨開始(第4-3頁)
    • 新鮮現榨,其實都是合成的(第4-18頁)
    • 模型風險(第4-45頁)
    • 總結(第4-54頁)
  • 5 叢集分析第二篇:網路圖與社群偵測(第5-1頁)
    • 網路圖是什麼?(第5-2頁)
    • 簡易圖表視覺化(第5-3頁)
    • Gephi 簡介(第5-5頁)
    • 從酒類批發資料建立網路圖(第5-15頁)
    • 一條邊的價值幾許?圖表模組化的得分與扣分(第5-24頁)
    • 開始分叢集!(第5-30頁)
    • 再來一次:Gephi 傳說(第5-43頁)
    • 總結(第5-48頁)
  • 6 監督式人工智慧的老祖宗 - 迴歸(第6-1頁)
    • 等等,什麼?你懷孕了?(第6-1頁)
    • 不要騙自己(第6-2頁)
    • 利用線性迴歸預測懷孕顧客(第6-3頁)
    • 利用邏輯迴歸,預測懷孕顧客(第6-37頁)
    • 補充說明(第6-46頁)
    • 總結(第6-46頁)
  • 7 組合模型:三個臭皮匠(第7-1頁)
    • 利用第 6 章的資料(第7-2頁)
    • 袋式:隨機、訓練、重複(第7-4頁)
    • 助長方法:如果你弄錯了,加點料再來一次(第7-21頁)
    • 總結(第7-33頁)
  • 8 預測:放輕鬆;你贏不了的(第8-1頁)
    • 販劍真好賺(第8-2頁)
    • 認識時間序列資料(第8-3頁)
    • 慢慢來,先從簡單指數平滑法開始(第8-4頁)
    • 設定簡單指數平滑預測(第8-6頁)
    • 其中也許有趨勢(第8-12頁)
    • 荷爾特趨勢修正指數平滑(第8-15頁)
    • 荷爾特 - 溫特斯乘式指數平滑法(第8-29頁)
    • 總結(第8-49頁)
  • 9 異常偵測:他們怪怪的,不表示他們無足輕重(第9-1頁)
    • 異數,也是(壞)人(第9-2頁)
    • 著名案例:哈德蘭 vs 哈德蘭(第9-2頁)
    • 不怕一萬,只怕萬一(第9-8頁)
    • 總結(第9-26頁)
  • 10 從試算表到 R(第10-1頁)
    • 開始使用 R(第10-2頁)
    • 實際動手做點資料科學(第10-13頁)
    • 總結(第10-39頁)
  • A 結論(第A-1頁)
    • 我是誰?發生了什麼事?(第A-1頁)
紙本書 NT$ 480
單本電子書
NT$ 336

還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code