【題材涵蓋最全面！一本書掌握資料科學/數據工程必學know-how！】
從大數據到人工智慧世代，其背後蘊含的關鍵技術與理論不脫資料科學、機器學習的範疇。基本上，資料科學需要的背景知識與技能相當的多，通常要會Python程式設計基礎、熟悉相關Python套件和模組的使用；再加上機器學習的基礎就是機率和統計，因此也免不了得學機率和統計知識，可說有一拖拉庫的主題等著你去學，也難怪市面上各主題(程式基礎、統計、套件、機器學習建模...)的專書滿坑滿谷，一時間實在讓人難以消化...
為了降低讀者初學資料科學面對的負擔以及混亂感，我們精心設計了這本入門實戰教本，秉持讓讀者「買一本抵多本」的精神，本書一次涵蓋所有入門必須熟悉的重要題材，同時也將初學資料科學的脈絡梳理清楚。
在章節的安排上，本書從資料取得的網路爬蟲開始，提供一個標準SOP來幫助讀者從網路取得資料；接著說明資料科學必學的Python重量級套件，再接著介紹機率、統計和探索式資料分析的基礎知識，最後進入最熱門的機器學習、深度學習建模主題。
這一連串「取得資料→探索資料→預測分析」是一套完整的資料科學/數據工程實戰訓練，跟著本書掌握這些重要know-how後，就不難看懂網路上眾多資料科學、機器學習專案的Python程式碼和線上教材，甚至參與資料科學、機器學習的網路競賽；希望本書能協助讀者開啟資料科學家/數據工程師的成功之路！
本書特色:
□資料科學三部曲：取得資料→探索資料→預測分析
□一次補足最入門的統計和機率基礎
□Python開發環境與基礎語法快速上手
□從網頁爬蟲、資料清理到資料視覺化，快速完成資料探索的預處理程序
□將清理後的資料存入SQL資料庫，便於日後存取利用
□實踐資料科學的四大套件：NumPy、Pandas、Matplotlib、Seaborn一次掌握
□用Scikit-learn、tensorflow.Keras套件實作最熱門的AI機器學習應用
工程 數據 PYTHON AI 機器學習 分析 SQL 建模 網路 探索 SOP 資料 主題
