• 每日一句
  • 今日66折
  • 天天BUY

Julia資料科學與科學計算

  • 定價:480
  • 優惠價:95456
  • 本商品單次購買10本9折432
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
載入中...
 

內容簡介

  Google、Facebook、IBM和美國聯邦航空總署等世界知名企業的開發者都在用!
  跟上頂尖好手的腳步,學習簡單好上手的Julia,前進矽谷不是夢!
  熱銷全台的《Julia程式設計》一書作者、Julia課程人氣講師的最新力作!
  台灣第一本Julia進階運用教科書,內容豐富,包含機器學習、資料分析決策等熱門主題。

  繼續來追程式語言新女神,全球最具潛力的程式語言新人王!
  Facebook人工智慧實驗室主任、紐約大學教授LeCun直言:「深度學習需要比Python更靈活的程式語言。」而Julia的眾多優勢──免費、簡潔、快速且容易上手等,更促使它有極有可能成為未來最熱門的程式語言,與其盲目的追趕流行,我更推薦各位掌握趨勢的最前端,從學習Julia開始。

  征服女神的第二步,勸你盡早來加入

  ♡本書適合有Julia 程式操作基礎,想更進一步深入資料科學、機器學習或科學計算等進階領域的人。
  ♡延續《Julia程式設計》的超直覺式步驟教學,只要照著做,就能夠學會,一起往資料科學的殿堂邁進!
  ♡作者在Julia教學上具有非常豐富的經驗,完全理解初學者的痛點。
  ♡除了程式教學外,更傳授資料科學領域所應具備的背景知識,一秒提升資料素養。

  本書以資料的角度引入,介紹基礎的資料分析及統計相關知識和資料處理會應用到的方法。並結合玩具資料(toy data)的示範,讓讀者可以透過資料及實作體會資料科學的有趣之處。後半部分則會介紹基礎的科學運算及機器學習應用。最後介紹最佳化的方法和使用 CUDA 進行運算的相關套件。

  Julia,為資料科學而生。

名人推薦

  R社群主持人、微軟最有價值專家 孫玉峰   專文推薦
  LinkedIn 大數據總監 管其毅    齊聲推薦

 
 

作者介紹

作者簡介

杜岳華


  Julia Taiwan 發起人,陽明大學生物醫學資訊所碩士,成功大學醫學檢驗生物技術學系及資訊工程學系雙主修,工研院人才培訓中心機器學習課程講師。熱愛數學、電腦科學及自然科學,希望成為計算生物學家,為開源軟體貢獻者。

胡筱薇

  基督徒,Data Lab 創辦人,為中央大學資訊管理所博士,美國普渡大學克蘭納特管理學院訪問學者;現為東吳大學巨量資料管理學院副教授,且擔任台灣人工智慧學校講座師資;機器學習、資料探勘、社群網路、智慧商業為主要研究項目;近年來,致力於協助企業建立數據團隊並培育資料科學人才。
 
 

目錄

推薦序
作者序一
作者序二

PART 1 資料科學基礎
Chapter 1. 資料科學概論
Chapter 2. 玩轉資料
Chapter 3. 認識資料
Chapter 4. 看看資料
Chapter 5. 資料轉換與計數
Chapter 6. 了解資料的意義

PART 2 從資料到模型
Chapter 7. 進一步的資料處理
Chapter 8. 用資料做決策
Chapter 9. 科學運算:由已知關係求解
Chapter 10. 機器學習:由雜訊資料建立關係

PART 3 進階方法
Chapter 11. 模型的最佳化方法
Chapter 12. CUDA 程式設計
 

作者序一

杜岳華


  近年來,資料科學與人工智慧成為顯學。在深度學習上有重大的突破,包含影像辨識的準確率提升、電腦對局在圍棋領域的進展。這些光芒讓大家將目光投射在資料分析及建模上面。相對於此,傳統科學計算及統計建模相對少人談論,但這些卻是一脈相承的技術演進。

  在電腦運算效能的提升及軟體與網路技術的整合及普及,傳統科學計算與資料科學都相當需要依賴數值運算的基礎技術。在近代的數學家們奠定了逼近理論及相關的數值方法,而現今的深度學習模型相當依賴以梯度為基礎的最佳化方法。電腦的演進其實是跟著科學計算一起走的,在電腦被做出來以前,先是微分解析機被實作出來。然而,世界上第一個公認的高階程式語言 Fortran 也是因為數值運算目的被設計出來。

  理論科學家們則相當依賴初值問題來解決微分方程的數值方法。數值方法被廣泛應用在物理模擬、統計建模及機器學習上。數值方法的實作則與矩陣運算脫不了關係。多數的數值方法會被寫成矩陣運算的形式,進一步可以依賴運算核心的單指令流多資料流(Single Instruction Multiple Data)模式進行加速。大量資料的運算也會以陣列形式表達,如此在處理大量資料流時則可以進行加速。資料分析也是有這些運算基礎,進而搭配上機器學習或是深度學習模型才能有今日的光彩。

  本書的定位是給具備少許 Julia 程式經驗,想往資料科學、機器學習或是科學計算前進的人。本書會以資料的角度引入,介紹基礎的資料分析及統計相關知識。此外,書中會提及一些資料處理會應用到的方法。書中結合了些許玩具資料(toy data)的示範,希望讀者可以透過資料及實作體會資料科學的有趣之處。後半部分則會介紹基礎的科學運算及機器學習應用。最後,書中第十一章會介紹最佳化的方法,第十二章則會介紹使用 CUDA 進行運算的相關套件。

  特別感謝一位好朋友提供了本書的編寫建議,融入了些許的知識,讓一些程式操作不再是死板的指令。

作者序二

胡筱薇


  在校園裡同學們最常問我的一個問題就是:「老師,我該學哪個程式語言比較好?是 R、是 Julia 還是 Python ?」我的答案是,都好!因為重點不在於選擇,而是當你做出選擇之後的每一個嘗試、學習、堅持、突破與精進,這過程所積累出來的實力,才是你該追求的。為了提供學生更多元的學習場域,引動學習動機,我成立了資料實驗室(Data Lab),並長期與企業合作,透過實際的專案項目培養資料科學人才,同時也定期開設相關課程,鍛鍊同學們的基礎能力,一個因緣巧合,我認識了本書的另一位作者──杜岳華老師,岳華讓我印象非常深刻,是個有想法、有才華、有熱情、有能力,堅持理想並付諸行動的年輕人,有一次他跟我說,希望有更多人認識Julia 的這個語言,更希望台灣在國際Julia 社群中的能見度可以提高!我聽了非常感動,也跟著熱血了起來!於是,我們在資料實驗室中開設了Julia 程式語言的課程,接著就是撰寫本書,讓更多中文使用者可以認識這個資料科學語言中的新星── Julia 。

  這個時代的學習和過去很不一樣,有太多的新知識與新技術排山倒海的湧入, 就像這幾年大家常常在談的IoT、Big Data、ML、AI、Blockchain,似乎沒有人能明確又清楚的告訴你那些是什麼?它沒有教科書,也沒有結論,因為這一切都還在發展與演化當中,不過可以肯定的是,倘若我們仍舊以過去的學習態度和方法,要能夠跟上這個時代,掌握這些趨勢,肯定很困難,那我們該如何因應呢?既然確定性的知識愈來愈少,那就保持開放的頭腦與心胸吧!當我們思考世界的角度愈多,你的未來就充滿了無限可能。

  最後,我想引用Ratatouille 的經典台詞,並稍做修改來鼓勵各個領域的朋友:「Not everyone can become a great Data scientist, but a great Data scientist can come from anywhere.」

  衷心祝福各位讀者!


 
 

詳細資料

  • ISBN:9789577637314
  • 規格:平裝 / 336頁 / 17 x 23 x 1.68 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣
 

內容連載

工業時代的科學基礎強調的是確定性和可預測性的機械論。但是從20世紀初開始,我們逐漸從工業時代進入資訊科技時代,再由資訊科技時代邁入資料科技時代(IT to DT),物理學家們意識到不連續性、不確定性是我們這個世界的本質,如果依然使用傳統機械論的方法解決問題,不僅會遇到各種限制,而且可能會出現認知偏差,。如果問你DT時代最顯著的特徵是什麼?你可能會說是計算機、智慧裝置、訊息過載、大數據、人工智慧等等,這些都沒有錯,但這些都是表象!其實,DT時代的最大特徵就是不確定性。
 
如果工業時代的科學基礎強調的是確定性和可預測性的機械論,那麼在DT時代的科學基礎強調的是不確定性的資訊理論 (information theory)。資訊理論就是這半個世紀以來,人類對抗不確定性,最重要和有效的方法論。如同騰訊前副總裁、Google研究員吳軍博士吳軍老師說的,今天的人,已經無法通過掌握幾條不變的規律,工作一輩子;也難以通過理解幾條簡單的人生智慧,活好一輩子,一個通用規律就能解決一切問題,一個標準答案就能讓人一勞永逸的時代,一去不復返了。
 
例如我們今天很多大學生畢業後不知道自己該繼續年研究所,還是去工作,又該選擇什麼樣的工作,好像之前校園裡教的經驗正在逐漸失效,這是因為,我們所處的時代充滿了不確定性。除了年輕人的學業和畢業的不確定性,對比我們這一代人的生活和上一代人父輩的生活,我們必須承認今天各種的不確定性大了很多。
 
就拿理財來說,上一代人父輩們只要把錢存到銀行吃利息就可以了,它的收益非常確定,但是今天這顯然不是好的做法,而投資到任何地方都顯得非常不確定。當然有人會說過去也在變,但是牛頓時代大家看到的變化是連續的,而今天經歷的常常是非連續的,或者說是跳躍性的變化。不確定性加上跳躍式變化,才讓大家感到格外焦慮。
 
那對付不確定性的方法是什麼呢?
 
20世紀初機率論和統計學的成熟,使人們得以把握隨機性。而在1948年,另一位科學天才克勞德•香農(Claude Shannon)發表了論文《通信的數學原理》,他是資訊理論的創始人,資訊理論就是通信的理論,也是一種方法論。我們今天常說的大數據思維,其科學基礎就是資訊理論。

最近瀏覽商品

 

相關活動

  • PYTHON/深度學習/遊戲設計/程式語言,電腦資訊精選2本77折
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 【關係相處展│7折起】沒有相處可以一成不變,讓卡住的關係重新往前
  • 2020東立動漫節,79折起
  • 【我想為你推薦一本書】2019讀書共和國暢銷展,特價5折起

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報