作品簡介
本書以嚴謹的分析方法為基礎，從數據收集到洞察發現，帶領讀者循序漸進地掌握數據科學的核心流程。涵蓋數據清洗、探索性分析、統計推斷、機器學習模型設計、評估與部署，並強調可重複研究與倫理責任，讓讀者能夠在實務中獨立構建、驗證並落實數據驅動決策。
章節列表
共 11 章
1
第一章：數據科學的全景
2026-02-27
2
第二章：數據採集與存儲
2026-02-27
3
第三章：資料清洗與前處理
2026-02-27
4
第4章 機器學習模型設計與評估
2026-02-27
5
第五章：模型部署、監控與可重複性
2026-02-27
6
第六章 機器學習基礎
2026-02-27
7
第七章 模型評估與調優
2026-02-27
8
第八章：超參數的藝術—Optuna 與網格搜尋的對決
2026-02-27
9
第九章：模型可解釋性與倫理責任
2026-02-27
10
第十章：倫理、隱私與社會影響
2026-02-27
11
第十一章：模型生命週期管理—部署後的監控、治理與迭代
2026-02-27