作品簡介
本書以實務導向拆解數據科學全流程，從資料蒐集、清理、探索，到特徵工程、模型建構、評估與部署，再結合商業案例與倫理治理，提供讀者從零開始到能將機器學習成果落地於企業決策的完整架構與實作技巧。
章節列表
共 11 章
1
第 1 章：數據科學全景
2026-02-28
2
第2章 資料蒐集與整合
2026-02-28
3
3. 資料清理與前處理
2026-02-28
4
第4章 探索性資料分析 (EDA)
2026-02-28
5
第5章 特徵工程與特徵選擇
2026-02-28
6
第六章 模型建構與調參：從基礎模型到高效預測
2026-02-28
7
第八章：實務落地：將機器學習成果轉化為業務價值
2026-02-28
8
第 8 章 模型部署與運維
2026-02-28
9
9. 持續學習與模型再訓練：從監測到迭代
2026-02-28
10
10. 數據倫理、治理與未來趨勢
2026-02-28
11
第十一章：機器學習的落地—從服務到監控的完整 MLOps 流程
2026-02-28