作品簡介
本書面向數據科學初學者及中階實務者，從問題定義到數據蒐集、清洗、探索、特徵工程、機器學習模型、評估、部署與監控，提供一條完整、可操作的學習與實務路徑。每章結合實際案例與可落地的工具，幫助讀者把握數據科學的核心理念與實際應用，並深入討論數據倫理與治理，讓決策更具可信度與可持續性。
章節列表
共 10 章
1
第 1 章：問題定義與目標設定
2026-02-22
2
第 2 章：資料蒐集與獲取
2026-02-22
3
第 3 章：資料清洗與預處理
2026-02-22
4
第 4 章：探索性資料分析（EDA）
2026-02-22
5
5. 特徵工程（Feature Engineering）
2026-02-22
6
第 6 章：機器學習基礎
2026-02-22
7
第 7 章：模型評估、調參與驗證
2026-02-22
8
第 8 章 部署與監控：將模型推向生產環境
2026-02-22
9
第 9 章：實戰案例：從零開始構建商業預測模型
2026-02-22
10
第10章 模型生命週期管理與持續治理
2026-02-22