Julia資料科學與科學計算~好書精選[悅讀推薦]博客來 金石堂 好冊

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

 


詳細網址：Julia資料科學與科學計算~好書精選[悅讀推薦]博客來 金石堂 好冊

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


詳細網址：Julia資料科學與科學計算~好書精選[悅讀推薦]博客來 金石堂 好冊

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

• 本書分類：電腦資訊> 程式設計/APP開發> 其他程式設計相關

作者介紹

　　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。
 


詳細網址：Julia資料科學與科學計算~好書精選[悅讀推薦]博客來 金石堂 好冊

序

　　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！


 


詳細網址：Julia資料科學與科學計算~好書精選[悅讀推薦]博客來 金石堂 好冊

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。



詳細網址：Julia資料科學與科學計算~好書精選[悅讀推薦]博客來 金石堂 好冊




詳細網址：Julia資料科學與科學計算~好書精選[悅讀推薦]博客來 金石堂 好冊


資料來源：博客來，圖片來源：博客來

Julia資料科學與科學計算 中文書>電腦資訊>程式設計/APP開發>其他程式設計相關 博客來 金石堂 好書推薦 排行榜 今日66折 網路書局 暢銷書 優質團購 熱銷特賣 網友推薦 優惠精選 超值好貨 狂降優惠 推薦必買 熱銷排行 快速到貨 必BUY超值專區 TOP熱銷排行 新品上市 最新上架