很多資料科學、機器學習的書，內容充滿各種建模的技術展示、完美的案例分析，卻忘記了更重要的「資料」。唯有掌握好手中的資料，才是機器學習成功建模的第一步。

 

　　無法了解資料，深度學習也救不了你；相反的，正確蒐集資料，輕鬆建模沒煩惱。

 

　　如何了解資料？當然要從統計觀念開始。學習統計一定都要看抽象複雜的數學嗎？並不是！本書所使用的範例，會告訴大家「為什麼統計學要如此定義」、「為什麼技巧要那樣使用」。當讀者了解統計背後的觀念時，才不會迷失在複雜的數學。此外，有別於一般市售書籍總是用漂亮案例展示程式運行結果，此書用相當多的範例都是「專家也會犯的錯誤」，相信讀者同時學習成功以及失敗的案例後，可以更全面地了解資料科學的分析流程觀念。

 

　　本書會介紹資料分析中的許多技術的基本觀念，如變異數分析、偏相關係數、自相關函數、Bonferroni校正、Holm校正、隨機對照試驗、斷點迴歸分析、傾向評分匹配、T檢定、F檢定、分層多階段抽樣法等，介紹的過程中會直擊分析技術的思維，而非僅展示漂亮的數學。

 

　　本書亦會說明身為資料科學家該有的素養，來避免確認偏誤、倖存者偏誤、選擇偏誤、發表偏誤、自願者偏誤、可得性偏誤、樂觀偏誤、常態偏誤、後此謬論、賭徒謬誤、辛普森謬論、p-hacking、HARKing、單方論證、霍桑效應、畢馬龍效應等資料分析中可能踩到的陷阱。

 

　　如果讀者曾經有以下問題，那這本書將是你的最佳解方。

　　● 我想知道怎麼蒐集高品質資料來加速機器學習建模

　　● 我想知道什麼樣的資料適合什麼分析技術

　　● 我想知道分析過程中是否參雜不自覺的偏見

　　● 我想知道分析完的結果代表什麼意思

　　● 我想知道為什麼資料分析可以解決問題

 

　　此外，中文版還提供免費Python程式下載，讓讀者可以實際演練書中的範例，加深對知識的理解。

 

　　本書貫通從資料蒐集、資料分析、資料解讀每一個環節的觀念，讓你走上資料科學家的康莊大道！ 

 

 

　　● 概念性介紹資料分析的流程，探討過程中所需要的技術，解說分析結果的意義

　　● 拒絕只展示漂亮數學，改變傳統一直寫程式的教學，帶你直擊資料分析流程的根本觀念

　　● 分享專家的成敗案例，助你建立好的資料科學家素養，避免落入陷阱

　　● 底線標示重要觀念，粗體標示重要名詞，註解提供讀者延伸資訊

　　● 滿滿全彩圖說，每章結束附有重點整理，中文版附贈範例程式

　　● 中文版收錄免費 Bonus，由國內專家分享業界經驗談，讓你快速銜接上實務技能

 

 

　　國立政治大學統計學系副教授、台灣人工智慧學校講師 吳漢銘 推薦 

　　國立政治大學統計學系助理教授 周珮婷 推薦

　　「資料科學家的工作日常」版主 張維元 推薦

　　國立臺灣大學名譽教授 謝南瑞 推薦

 

 

　　東京大學先端科學技術研究中心特任講師。

　　

　　2011 年畢業於東京大學工學部航空太空工程學系。2015 年取得同系所課程博士學位（因表現優異而縮短修業年限 1 年）與論文博士學位（工程學）。曾任日本學術振興會特別研究員、日本國立情報學研究所專案計畫研究員、日本國立研究開發法人科學技術振興機構 PRESTO 研究員與史丹佛大學訪問學者，自 2020 年起擔任現職。曾獲東京大學校長獎及井上研究獎勵獎等。致力於憑藉數學分析技術，解決統計力學、腦科學、行為經濟學、生物化學、運輸工程與物流科學等多重領域之問題。