大數據分析與資料挖礦, 2/e Big Data Analytics & Data Mining
簡禎富 、 許嘉裕
- 出版商: 前程
- 出版日期: 2019-02-01
- 定價: $700
- 售價: 9.5 折 $665
- 語言: 繁體中文
- 頁數: 576
- ISBN: 9869688136
- ISBN-13: 9789869688130
-
相關分類:
大數據 Big-data、Data Science
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
線性代數及其應用 (上), 4/e$500$475 -
線性代數及其應用 (下), 4/e$690$656 -
資料探勘 (Han: Data Mining: Concepts and Techniques, 3/e )$620$608 -
.jpg)
Python + Spark 2.0 + Hadoop 機器學習與大數據分析實戰$680$530 -
演算法技術手冊, 2/e (Algorithms in a Nutshell: A Practical Guide, 2/e)$580$458 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解$450$356 -
精通大數據！R 語言資料分析與應用, 2/e$720$569 -
從零開始！邁向數據分析 SQL 資料庫語法入門$520$411 -
深度學習入門教室：6堂基礎課程 + Python 實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解$550$495 -
Deep Learning 2｜用 Python 進行自然語言處理的基礎理論實作$680$537 -
Introduction to Data Mining, 2/e (GE-Paperback)$1,420$1,392 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$638 -
圖解AI｜機器學習和深度學習的技術與原理$450$338 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$850 -
Reinforcement Learning｜強化學習深度解析 (繁體中文版) (Reinforcement Learning: An Introduction, 2/e)$1,200$900 -
資料科學的建模基礎 : 別急著 coding！你知道模型的陷阱嗎？$599$509 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$1,020 -
Scikit-learn 詳解與企業應用：機器學習最佳入門與實戰$880$695 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
白話機器學習$780$585 -
一本精通 - PyQt5 & PyQt6 軟體介面開發$890$703 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 3/e (Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, 3/e)$1,200$948
相關主題
商品描述
本書主要介紹大數據分析與資料挖礦的理論方法與應用，並加入豐富的實務案例介紹，深入淺出地剖析從數據中淘金的祕訣。新版內容共分為三篇十三章，涵蓋大數據分析的基本概念、數據的前處理、大數據分析的方法與實證，以及大數據分析在商業與製造上的進階應用，並且新增機器學習與深度學習相關的方法介紹，增加讀者在大數據分析實務應用上更多元的分析方法。書中也提供R程式語言與實作範例輔以說明，使讀者易於應用，進而提升大數據分析和數位決策能力。
專文推薦（以姓名筆劃排序）
大數據分析是一門需要理論與實務緊密依存的新顯學，其應用層面廣泛，近年來各產業均積極投入巨量資料的分析和研究，為台灣經濟發展注入一股活水。半導體製程中，每秒鐘產生上百萬筆的產品檢測和生產參數值，台積電長期致力於半導體大數據分析，在提升良率、改善流程、降低成本與縮短先進製程的研發週期等方面均成效顯著。台積電也持續與學術界密切交流、分享成功經驗，透過產學合作實現產學互惠，使學界理論和業界應用與時俱進。大數據分析與資料挖礦技術，將是台灣產業革新的推手，本書不僅是理論指南，更是實戰手冊，為企業搭建一座資料與決策之間的橋樑，協助企業經營與產業環境的永續發展。－王建光 先生（台積電 副總經理）
知識經濟的時代，巨量資料必須經過分析提煉才能產出潛在有用的資訊，進而成為知識以協助相關決策，成為現代企業和國家決勝之關鍵軟實力。人力資源的資料也可以透過大數據分析，以提升企業人力資本效益和人力資源管理決策品質。簡教授及其研究團隊將長期累積的研發成果整理成書，並結合實際案例和參考程式，內容充實完整，可作為各產業經理人進修之重要參考，並與1111人力銀行合作建立「大數據人才專區」，以培育國內亟需的大數據分析人才。－林文雄 先生（1111人力銀行 總裁）
隨著資訊科技的飛快進步，企業中每個業務或生產活動所產生的資料量也隨著大幅增加。如何善加利用這些存在於企業內、外部的巨量資料，決定了企業對未來的決策速度和競爭優勢，也是企業必須面臨的新挑戰。本書不但具有深厚且嚴謹的理論基礎，還詳述了資料挖礦流程和各種分析工具，更提供實務上的應用經驗，是想要了解巨量資料不可或缺的參考書籍。－李秉傑 先生（晶元光電 董事長兼策略長）
在資訊爆炸的時代，從巨量資料中找到有價值的資訊成為企業重要的課題，如同在海底尋找寶藏一般，在充斥著洋流、生態變化的環境下尋找未知的寶藏，搜尋的過程充滿著未知，並不能永遠按照原來的構想去做，而是在充滿變化的環境中略有耳聞、心嚮往之的摸索、尋找有價值的寶藏。簡教授及其研究團隊和台達電子合作，協助企業在大數據中理出頭緒、整理出脈絡，才能依循著脈絡獲得智慧，這是門值得學習的科學，也在企業運作中發揮實質的成效。－鄭 平 先生（台達電子 執行長）
工程資料分析和資料挖礦是半導體產業提升良率的重要工具，也是旺宏電子的核心能力之一，隨著晶圓廠的高度自動化和奈米先進製程技術的導入，大數據分析的挑戰更勝以往。簡教授及其研究團隊和旺宏電子有長期的產學合作研究，其精心編著的《大數據分析與資料挖礦》提供完整的分析架構和工具，並結合各種產業案例和心得，對於個人和組織全面提升大數據分析能力、挖掘蘊藏在資料礦山中的寶藏有非常大的幫助，亦可協助台灣企業轉型面向數位決策時代。－盧志遠 先生（中央研究院院士、欣銓科技董事長、旺宏電子總經理）
當今企業無不競逐巨量資料的無限商機以建立領先群雄的競爭優勢，如何駕馭巨量資料的應用以擷取其中可實行的新商業契機、同時結合決策者經驗與能力是企業致勝的關鍵。本書精闢的資料挖礦理論、工具與大數據分析等方法的闡述，有效縮短使用大數據分析應用的學習曲線、提供營運者有決策價值之關鍵資訊，也啟發讀者從不同角度洞悉巨量資料訊息的價值，以激發出企業界新創思維的魅力。－蔡文弘 先生（廣達電腦 執行副總經理）
作者簡介
簡禎富（Chen-Fu Chien, Ph.D.）
現職：
國立清華大學清華講座教授：工業工程與工程管理學系/EMBA/MBA
科技部人工智慧製造系統研究中心主任
IC產業同盟暨清華—台積電卓越製造中心主持人
科技部工業工程與管理學門召集人
學歷與訓練：
哈佛大學商學院PCMPCL結業
威斯康辛大學麥迪遜分校決策科學與作業研究博士
國立清華大學工業工程系暨電機工程系雙學位（斐陶斐榮譽會員）
經歷與榮譽：
國立清華大學主任秘書、中華卓越經營決策學會理事長、國科會固本精進計畫推動辦公室總主持人、「竹科2.0」規劃計畫主持人、國立清華大學副研發長兼首任產學合作執行長、台積電工業工程處副處長（2005-2008借調）、加州大學柏克萊分校傅爾布萊特學者、日本早稻田大學青年訪問學者獎勵、劍橋大學訪問教授等。創設紫軾書院（Just College）、清華IC學堂，發展紫式決策、PDCCCR製造策略架構、工業3.5和藍湖策略（Blue Lakes Strategy），發表超過160篇學術期刊論文，取得20項半導體製造國際發明專利，著有《決策分析與管理》等書；主編《半導體製造技術與管理》、《產業工程與管理個案》、《創業清華》、《固本科園台灣精進》及《清華百人會》等書及《竹科30》有聲書。並撰寫台積電、聯發科、創意電子等12篇哈佛管理個案。榮獲行政院傑出科技貢獻獎、國家品質獎、科技部三次傑出研究獎、優秀年輕學者研究計畫、經濟部大學產業經濟貢獻獎、教育部產學合作研究獎、科技管理學會院士、APIEMS Fellow、呂鳳章獎章、清華大學第一屆傑出產學合作獎、傑出工程教授、工程論文獎、工業工程獎章、工業工程論文獎及2011 IEEE TASE Best Paper Award、2015 IEEE TSM Best Paper Award等學術殊榮，國科會《學與致用》介紹的九個標竿之一。
研究領域：
決策分析、大數據分析、半導體製造、智能製造
許嘉裕
現職：
國立臺北科技大學工業工程與管理系專任副教授
學歷：
國立清華大學工業工程與工程管理學系博士
國立清華大學工業工程與工程管理學系碩士
國立成功大學統計學系學士
經歷：
美國NVIDIA解決方案架構訪問研究員
元智大學資訊管理學系專任副教授
元智大學資訊管理學系專任助理教授
劍橋大學製造研究所訪問學者
中央佛羅里達大學訪問學者
國立清華大學工業工程與工程管理學系博士後研究員
研究領域：
個人研究興趣主要為資料挖礦與大數據分析、深度學習、智慧製造等領域，結合理論與實務應用，面對製造業智能化的轉型需求，發展智慧製造與設備智能化解決方案，以協助製造商提升良率與生產品質。曾執行半導體製造、IC設計、面板製造、印刷電路板製造、3C零組件等廠商委託產學合作研究計畫。主要研究成果如「半導體製造智慧與良率提升」、「深度學習於瑕疵分類之應用」、「深度學習於機台異常偵測與診斷分析」、「預測性保養與維護」、「半導體先進製程控制與先進設備控制」、「晶圓圖樣型辨識與比對」等。共取得4項美國發明專利，6項中華民國發明專利，並獲得中國工業工程學會（CIIE）優秀青年工業工程師獎、中華民國電腦學會（CSROC）傑出青年獎、科技部優秀年輕學者研究計畫、元智大學青年學者研究獎、服務科學學會（S3TW）溫世仁服務科學新苗獎等學術榮譽。
目錄大綱
第 1 章 大數據分析與資料挖礦概論
第 2 章 大數據分析的基礎：Hadoop
第 3 章 資料與資料準備
第 4 章 關聯規則
第 5 章 約略集合理論
第 6 章 決策樹分析
第 7 章 類神經網路
第 8 章 多變量分析
第 9 章 迴歸與時間資料分析
第10章 簡單貝氏分類法與貝氏網路
第11章 商業智慧
第12章 製造智慧
第13章 數位決策及商業分析與最佳化
