Julia資料科學與科學計算
活動訊息
內容簡介
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。
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。
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
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
序／導讀
作者序一
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。
杜岳華
作者序二
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！
胡筱薇
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
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。
杜岳華
作者序二
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！
胡筱薇
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
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
詳細資料
詳細資料
-
- 語言
- 中文繁體
- 裝訂
- 紙本平裝
-
- ISBN
- 9789577637314
- 分級
- 普通級
-
- 頁數
- 336
- 商品規格
- 23*17CM
-
- 出版地
- 台灣
- 適讀年齡
- 全齡適讀
-
- 注音
- 級別
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價