Julia 資料科學與科學計算

杜岳華 , 胡筱薇

  • 出版商: 五南
  • 出版日期: 2019-12-01
  • 定價: $480
  • 售價: 9.5$456
  • 貴賓價: 9.0$432
  • 語言: 繁體中文
  • 頁數: 336
  • ISBN: 9577637310
  • ISBN-13: 9789577637314
  • 相關分類: 程式語言Data Science
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

相關主題

商品描述

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


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。

※書籍推薦人
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
※推薦文
在這個日常生活幾乎離不開各種軟體的時代,一波學習程式的熱潮正在展開;而學習程式最好的方式之一,就是參與技術社群:除了在各個社群中常常會舉辦各種程式相關的教學及分享以外,跟技術開發者們交流的機會是能夠讓人學習到最多的。
在這些年主持以及參與了這麼多社群活動之後,相較於台灣大多數的技術社群,由岳華發起的 Julia Taiwan 特別有股親切感。可能是因為跟我們 Taiwan R User Group 一樣,在被應用的領域和早期使用者的組成都有著比起其他程式語言更多元、更不「資工本科」的味道;同樣的,在東吳大學積極推動巨量資料以及資料科學人才培育的筱薇老師,也帶領更多非資訊本科系的學子們認識資料科學的價值。
在這樣龐大的熱情以及專業下所誕生的這本教材,相信能延續《Julia程式設計:新世代資料科學與數值運算語言》的優點,成為深入學習Julia 這個新興語言的最佳利器:不管是基礎的資料科學概論、轉換與計數,到進一步的資料處理、決策、科學運算和最近的熱門主題「機器學習」,本書可說是無所不包。一起來體驗「如 Python 般的程式撰寫,如C 般的運算效能」的 Julia 吧!

Taiwan R User Group 社群主持人
Microsoft Most Valuable Professional 微軟最有價值專家
現任 MoMagic 資深資料科學家
孫玉峰

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。

目錄大綱

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