機器學習的公式推導和程式實作
進行機器學習的開發時，精通相關數學理論是關鍵的基礎。本書基於對所有機器學習演算法的系統分類，詳細介紹了監督學習單模型、監督學習集成模型、無監督學習模型、概率模型等四大類共26個經典演算法，並進行詳細的公式推導和程式碼實現。旨在協助讀者充分了解演算法細節、實現方法和內在邏輯。 本書適合數理基礎扎實的初學者，也適合深入學習的進階者閱讀，同時可作為機器學習領域的參考書籍。
Power Automate 自動化大全：串接 Excel、ChatGPT、SQL 指令，打造報表處理、網路爬蟲、資料分析超高效流程
「同事下班壓線交報告, 苦了你還要加班一份份貼到 Excel 彙總交出去...」「周年慶到處收集對手的促銷資訊, 不斷複製、貼上, 做到有點懷疑人生...」「每天收不完的 Email, 要篩出報價單另存、轉寄真麻煩, 不小心忘了改檔名還要從茫茫郵件中挖出來...」以往這些日常瑣事只能自己解決, 比較有經驗的人可能懂得找 IT 部門幫忙寫程式自動處理。現在你不用再自己默默承擔, 也不用拜託別人, 統統交給 Power Automate 就搞定了！Power Automate 是微軟強力推廣的自動化工具, 不須撰寫程式就可以完成各種自動化的流程作業。本書是市面上最完整的 Power Automate 專書, 教導你如何善用各種內建功能, 搭配 Excel、ChatGPT 和 SQL 查詢語法, 將日常工作打造成簡便的自動化程序。全書共收錄【超過 100 個】日常操作應用例，工作上常遇到的各種重複、單調的作業，現在統統幫你轉化為自動執行的程序。◆ 用日期和代號幫不同業務的報表重新命名◆ 自動統計、篩選出不同業務區的季報表◆ 將總收支流水帳依成員拆解成不同檔案◆ 搭配 VBA 將報表匯出成 PDF 檔留存◆ 讓 ChatGPT 自動幫你回覆客服信件或留言◆ 將資料集中的遺漏值自動以平均值補上◆ 自動刪除資料不齊全的紀錄◆ 自動將表單依項目、月份拆成不同報表◆ 辨識 Excel 功能表元件自動進行各種操作◆ 用 OCR 自動將每張發票號碼擷取存入 Excel◆ 自動切換頁面爬取購物網站的商品資料◆ 自動化分割與合併整批 PDF 檔案的內容◆ 自動下載、更新網路開放資料集檔案◆ 自動登入網站抓取各種資料◆ 用 Excel 365 線上自動提醒業績達成狀況◆ 自動將郵件檔案或訂單存到網路硬碟保存從桌面應用到雲端服務，從 RPA、DPA 到 BPA，建立全方位的辦公室自動化流程！本書特色:【零基礎】、【全方位】、【跨雲端】，內容最多、範例最豐富的 Power Automate 專書◎ 超過 100 個自動化流程範例, 即學即用、簡化例行作業◎ 介紹超過 20 大類的功能元件, 打造個人化的自動流程◎ 串接各種網路服務, 完成雲端 DPA 或 BPA 的自動化流程◎ 讓 Power Automate 自動呼叫 ChatGPT API, 打造 AI 應用◎ 運用 UI 元素和影像比對, 讓各種應用程式都可自動操作◎ 免用 VBA 完成各種 Excel 自動化表單處理◎ 使用內建 OCR 功能自動將畫面或圖片的文字擷取出來◎ 善用 ChatGPT 自動生成 SQL 語法, 簡化繁雜的樞紐分析◎ 各種常見檔案類型處理：pdf、doc、xls、csv、txt、json、zip...◎ 提供全書流程範例, 立即貼上、馬上套用
架構資料與機器學習平台∣雲端啟動分析與AI驅動的創新
內容簡介:🔹 全面掌握雲端資料與AI平台設計關鍵 🔹 實戰導向，靈活運用AWS、Azure、Google Cloud、Snowflake、Databricks 🔹 從基礎到進階，打造符合企業需求的現代化資料平台 🔹 強化資料治理，加速AI/ML創新，驅動決策智慧 無論你是資料架構師、工程師，或是希望運用AI強化決策的企業領導者，本書都將成為你打造未來資料與機器學習平台的最佳指南！ 在資料驅動的時代，企業該如何善用資料創造價值？ 本書由三位資深工程師聯手打造，為雲端架構師與資料專業人士提供了一套清晰完整的解決方案。從雲端資料平台的設計到AI與機器學習的整合，帶您走過資料現代化的每一步。無論是整合分散的資料、實現即時決策，還是利用AI解鎖創新潛力，本書都提供了實用的架構與工具，幫助你在雲端時代保持優勢。 ----------------------------------------------------------- 「本書完整介紹，如何依據企業組織的策略方向，設計與建置現代雲端資料與ML平台的概念、模式與元件。真希望我能在多年前就能讀到這本書。」 —Robert Sahlin，Mathem資料平台主管 所有的雲端架構師都必須知道如何建置資料平台，以賦與企業能夠快速高效地做出資料驅動的決策，並在整個企業範圍內提供智能化服務。本書將展示如何使用AWS、Azure、Google Cloud以及Snowflake與Databricks這類多重雲端工具，設計、建置與現代化雲端原生資料與機器學習平台。 作者Marco Tranquillin、Valliappa Lakshmanan與Firat Tekiner使用真實世界企業架構來說明，內容涵蓋從雲端匯入到啟動整個資料生命週期。你將學到如何轉換、保全與現代化資料倉儲與資料湖這些熟悉的解決方案，也將能充份利用最新的AI/ML模式取得精準且快速的洞見，提升競爭優勢。 你將學會： *設計現代化且安全的雲端原生或混合資料分析與機器學習平台 *透過將企業資料整合到治理良好、可擴充的與彈性的資料平台，加速資料導向的創新。 *民主化存取企業資料，治理業務團隊提取洞見方式與建置AI/ML的能力。 *讓您的企業利用串流管道即時決策 *建置MLOps平台，移往預測性與指示性分析
AI×Excel×Tableau資料分析語法指南
【本書特色】 ✪收錄超過80個好用的數據分析AI語法 ✪生成式AI輔助分析的心法分享 ✪實作Excel與Tableau搭配的豐富案例 ✪瞭解使用者與生成式AI的互動邏輯 生成式AI進入高速發展的階段，各行各業紛紛與AI搭起合作橋梁，讓工作流程有了更多的可能性。本書以生成式AI如何輔助數據分析任務為核心架構，除了基礎與進階提問語法的練習之外，也分享了生成式AI與Excel/Tableau兩大分析工具的協作練習，內容包含AI輔助資料格式整理、Excel函數撰寫、生成VBA自動化分析語法練習等。讀者可透過本書的範例語法，親手練習高效率的學習與產出流程，是數據分析與AI生成技術愛好者的輔助指南。 AI × Excel × Tableau高效分析，實踐各行各業的數據分析應用豐富圖解 × 解說詳細 × 效率即戰力，打造工作超效率技術的實務應用好幫手【內容簡介】生成式AI進入高速發展的階段，各行各業紛紛與AI搭起合作橋梁，讓工作流程有了更多的可能性。本書以生成式AI如何輔助數據分析任務為核心架構，除了基礎與進階提問語法的練習之外，也分享了生成式AI與Excel/Tableau兩大分析工具的協作練習，內容包含AI輔助資料格式整理、Excel函數撰寫、生成VBA自動化分析語法練習等。讀者可透過本書的範例語法，親手練習高效率的學習與產出流程，是數據分析與AI生成技術愛好者的輔助指南。【精采內容】✪AI輔助資料分析的好用語法✪AI輔助Excel/Tableau資料分析✪AI如何執行數據分析✪AI輔助分析公開資料應用實戰✪AI幫你建立自動化分析✪AI幫你快速整理資料✪AI輔助高效生成數據分析報告【目標讀者】✪想了解AIGC如何輔助數據分析流程的人✪日常工作需要透過Excel撰寫函式進行分析的人✪希望透過AI輔助操作Tableau進階應用的人
dbt 與 Analytics Engineering 實戰手冊：從零打造現代資料分析架構及專業職涯(iThome鐵人賽系列書)
♛ 第一本 dbt 繁體中文書 ♛資料分析師與工程師必讀的技術及職涯實戰指南本書改編自第 15 屆 iThome 鐵人賽 AI & Data 組優選系列文章《被 dbt 帶入門的數據工作體驗 30 想》及其團隊夥伴作品。四位作者由不同身份和視角出發，分享如何透過 dbt 實踐 Analytics Engineering（分析工程）。dbt 是一個以 SQL 為基底的開源資料轉換工具，採用軟體工程原則，如版本控制、測試、模組化，讓資料轉換更可靠且高效。本書將帶你動手建立 dbt 專案，親自體驗其優勢。Analytics Engineering 則是隨著資料產業演化而發展出的新興領域，介於資料分析和資料工程之間，且和兩者的部分任務重疊。除技術外，書中也會討論資料文化、如何打造資料團隊，以及資料專業的職涯規劃和發展。無論新手或老手，本書都是能為你提供獨到見解的實用指南。重點摘要✦ dbt 由淺入深dbt Cloud 及 dbt Core 實作應用✦ 動手操作附範例、語法、操作截圖✦ 資料分析必備資料品質及建模最佳實踐✦ 打造資料文化資料團隊現代化經典案例目標讀者任何工作中使用資料的人。包含：◆ 參與資料專案的成員，不論你在資料部門，或是支援資料專案的軟體部門。你負責資料轉換成資訊的過程，想嘗試新工具，解決原本資料流程遇到的痛點。◆ 在工作上經常使用資料的角色，例如：行銷、Sales、PM、財務、營運人員等。你對資料、報表有好奇心、想知道資料轉換成資訊的過程，並且喜歡動手操作。專業推薦透過真實案例與深入見解，引導你有效導入 dbt，營造資料驅動環境。無論你是資料處理老手或新手，本書皆提供所需知識與工具，幫助組織進入資料引導決策的未來。──── 高嘉良（CL Kao）｜Recce, CEO這本書涵蓋了打造優秀數據團隊所需的全方位知識，不僅適合技術人員閱讀，也非常適合產品經理、商業分析師等角色參考。──── Richard Lee｜TNL Mediagene 技術長因緣際會被我推坑的 Taipei dbt Meetup 熱血志工群，融合真實經驗，以案例故事呈現 Data 如何貫穿企業，讓你認識 dbt 並一窺 Data Team 的重要定位。──── 陳正瑋（艦長）｜DevOps Taiwan Community 志工╱前 Organizer
資料工程基礎|規劃和建構強大、穩健的資料系統
🏆🏆🏆 Amazone 400+ 五星好評 🏆🏆🏆 👉 資料領域的必讀書單📚 ，適合IT專業人士和學生，尤其適合希望深入了解資料工程的讀者。 👉 書中提供資料工程的基本和進階概念，對於理解當前和未來的資料工程趨勢和技術非常有幫助。 👉 作者的寫作風格值得讚賞，使用的比喻和舉例能將複雜的概念有效簡化，更易理解。 👉 提供清晰的資料工程生命週期概念，有助提升資料管理和專案管理的能力。 「資料世界發展到現在已經有一段時間。首先從設計師開始，然後是資料庫管理員，接著是首席資訊官，然後是資料架構師。這本書將促使該行業朝著更加成熟和先進的方向發展。對於每一位認真對待自己的專業和職業的人來說，這都是一本必讀之作。」 —Bill Inmon 資料倉儲創建者 「《資料工程基礎》是一本絕佳的入門書籍，涵蓋了資料遷移、處理和管理的相關業務。我要強力推薦給任何想要快速瞭解資料工程或分析方面的人，或者想要填補自己知識漏洞的現有從業人員。」 —Jordan Tigani MotherDuck創始人和首席執行官 / BigQuery創始工程師和共同創始人 過去十年來，資料工程發展迅速，讓許多軟體工程師、資料科學家及分析師渴望全面了解這個領域的全貌。這本實用的書籍將告訴你，如何在資料工程生命週期的框架下，評估並選擇最適合的技術，規劃和建構系統能滿足你的組織與客戶需求的資料系統。 本書作者Joe Reis和Matt Housley將帶您深入瞭解資料工程生命週期，並解說如何把各種雲端技術接合起來，以滿足下游資料消費者的需求。你將瞭解如何應用資料產生、攝取、編排、轉換、儲存和治理等概念，這些概念在任何資料環境中都至關重要，而且與底層技術無關。 本書將助您： ‧掌握資料工程領域的精要與全貌。 ‧使用端到端的最佳實踐框架評估資料工程問題。 ‧正確選擇資料技術、架構和流程，避開誇大的行銷手法。 ‧使用資料工程生命週期來設計和建構強大、穩健的架構。 ‧將資料治理與安全性融入整個資料工程的生命週期。
新世代關聯：圖資料庫理論精解＋開發實務
新世代關聯 - 圖資料庫理論精解+開發實務近年來，網際網路、巨量資料、雲端運算、人工智慧和區塊鏈等資訊技術快速發展。我們已進入人類社會空間（Human）、資訊網路空間（Cyber）、實體物理空間（Physical）的人機物三元空間時代，這三個空間相互交互產生大量資料，成為生產的關鍵要素，滲透到生產、工作和生活的各方面。建構新型資料基礎設施，推動數位經濟發展，已成為時代熱點。在這個人機物深度融合的背景下，圖技術作為資料基礎設施的底層關鍵技術迅速發展。圖技術能夠呈現複雜的連結關係，提升資料在網路空間中的價值，使使用者從高效管理資料資產轉變為有效提取資料價值。例如，在龐大的社群網站和複雜的金融交易網路中，圖技術能挖掘巨量資料中的隱藏模式和規律，極大提升數位技術解決現實問題的能力。作者具有豐富的圖技術研究和實踐經驗。本書分為理論篇和實踐篇，詳述圖技術的研究內容和應用案例，內容翔實，深入淺出，兼具實用性和可讀性，是一本不可多得的圖技術教科書。
具成本效益的資料管道
開發雲端資料管道的權衡之計 「Sev Leonard的最佳實踐和策略可以為我的雇主節省數百萬美元。對比一本書的價格和閱讀時間而言，這是相當不錯的投資回報。」 —Bar Shirtcliff 軟體工程師 「這就是我們一直在等待的那本書，它為監控、控制和優化高效能雲端資料系統的成本，提供了清晰、有條不紊的指導。」 —Matthew Housley 首席技術長兼《資料工程基礎》的合著者 起初，雲端服務的成本看起來經濟實惠，但很容易在日後演變為一筆巨額開支。這對於開發資料管道的團隊來說是一個挑戰，特別是當技術和工作負載快速變化，而需要不斷重新設計週期，導致在開發、調試和停機方面產生額外的成本支出時，該如何提供可擴展、高度可用的產品，同時兼顧成本控制？ 在這本實用指南中，Sev Leonard提供了適用於雲端環境設計下，一種可擴展資料管道的整體方法，幫助您在雲端運算和儲存、管道開發和測試、以及監控之間進行成本效能的權衡之計。透過專注於整個設計過程，資料工程師、軟體開發人員、架構師和管理人員可以交付具有成本效益的高品質產品。本書可以幫助您： ‧透過具有成本意識的服務和智慧設計策略，降低雲端費用支出 ‧調整運算資源規模，在不犧牲效能的情況下，最大限度減少資源浪費 ‧推動資料管道發展防止效能問題，並透過有效監控來快速調試、除錯 ‧設定開發和測試環境，盡可能減少雲端服務依賴性 ‧建立可測試且可擴展的資料管道程式碼，降低開發成本並加速管道演進 ‧透過驗證和測試來提高資料品質和管道運行
商業大數據的視覺化設計與Power BI實作應用
世新大學校長 陳清河 ／ 國立中央大學副校長 許秉瑜 ～誠摯推薦～ 【中華企業資源規劃學會 視覺化軟體應用師認證教材指定用書】 現在是一個大數據無處不在的年代，無論是企業或個人，建立一個快速解讀資料的能力，顯得相當實用且重要。其中，資料視覺化就是一個備受關注且重視的面向。用視覺化的方式來呈現資料的內容，能夠讓決策者更容易理解，執行者能更輕易的利用圖表與他人進行溝通。因此，資料視覺化的應用已經是許多企業相當看重的大數據分析技術之一。 然而，圖表的類別龐雜，如何選擇適切的圖表來忠實呈現資料，卻是操作者的困擾。因此，本書將資料視覺化的圖形予以整理及分類，藉由各章的說明、介紹、優劣比較與繪製建議，搭配企業個案資料來實際操作，減少讀者天馬行空的想像。 目前坊間資料視覺化的書籍多以軟體功能的介紹與操作為主，本書則是以不同應用類型的視覺化圖表為重點，搭配Power BI進行教學與解說，期待讓讀者在未來的應用上能夠更為得心應手。 最後，本書設計了一個整合的應用，利用企業的資料來進行實戰。透過資料視覺化的相關整合應用，去解讀企業營運時的狀態與樣貌，進而部署儀表板，提供即時決策參考。
AI時代的資料科學：小白到數據專家的全面指南
這本趣味的指南在探索AI與資料科學領域的奇妙世界方面，具有以下特點，並獲得學界和業界的推薦：◆全面性：涵蓋從數據收集到機器學習模型構建的全過程，適合初學者和進階學習者。◆工具應用：重點介紹Python及其他主要工具的應用，這些工具是當今AI與資料科學必不可少的基礎。◆學界推薦：來自頂尖學術界專家的推薦，確保本書內容的學術性和專業性。◆業界推薦：專業資訊人士的推薦，證明本書在實際應用和職場技能需求的價值。◆實際案例和習題：提供豐富的實際案例和習題，有助於讀者從理論到實踐的無縫過渡，加深對知識的理解和應用能力。本書的特點使得這本指南不僅適合想要建立堅實基礎並深入研究AI與資料科學的新手，也適合希望在這些領域中追求更高專業水準的進階學習者。無論是學術研究還是商業應用，這本書都將成為讀者實現卓越的重要工具書。書籍推薦人：伽碩企業有限公司附設職業訓練中心執行長 郭明洽銘傳大學資訊科技與管理學程教授 尹邦嚴前仁寶電腦財務主管、法藍瓷行政主管、中強光電營運主管、國巨稽核主管 鄭穎臨日本東京農工大學 感染症未來疫学研究センター 特任助理教授 林立云王致遠 藥師國際商業機器股份有限公司 IBM 工程師 陳尚瑋優貝克股份有限公司資料工程師 吳俊毅
資料庫內部原理|深入了解分散式資料系統的運作方式
「為了選擇適合的工具來完成工作，我們必須了解其設計背後的概念和演算法。本書是由業界從業者為初學者撰寫的入門書籍，涵蓋了許多相關主題。」 -Michael Klishin RabbitMQ長期貢獻者 「對於任何從事資料庫技術有關的人來說，這是一本必備的書籍，尤其是在需要做出使用哪些系統的決策時。」 -Nate McCall Apache Cassandra貢獻者及PMC主席 在選擇、使用和維護資料庫時，了解其內部原理是必不可少的。然而，隨著當今有許多分散式資料庫和工具可供選擇，往往很難了解每個資料庫提供的功能和它們之間的差異。在這本實用指南中，Alex Petrov將引導開發人員深入了解現代資料庫和儲存引擎內部的概念。 在整本書中，您將探索從眾多書籍、論文、部落格文章及幾個開源資料庫的原始碼中所獲取的相關資料。您將發現，許多現代資料庫中，最重要的區別在於決定儲存結構和資料分散方式的子系統中。 您將深入探討以下內容： ‧儲存引擎：了解儲存分類和分類法，深入研究基於B樹(B-tree-based)和不可變的日誌(immutable log-structured)結構儲存引擎。 ‧儲存建構塊：了解如何使用輔助資料結構組織資料庫檔案，如頁面快取和緩衝池，來建立高效的儲存系統。 ‧分散式系統：逐步學習節點和進程如何連接並建立複雜的通訊模式。 ‧資料庫叢集：探索現代資料庫常用的一致性模型，以及分散式儲存系統如何實現一致性。
資料科學：困難部分
卓越資料科學的技巧 幫助您在資料科學領域中脫穎而出！ 「Daniel再次創作了一部傑作，為資料科學家和業務主管之間搭建了有助創造價值的橋樑。本書就是實現資料科學能獲得商業成功的那本關鍵手冊。」 —Adri Purkayastha BNP Paribas全球AI技術風險主管 「全面涵蓋從經濟學到廣告，甚至是流行病學等多個領域，以及如何實際應用資料科學技術。它開端於大多數書籍結束的地方，深入探討由資料洞察驅動的實際決策過程。是每位資料科學家書架上迫切需要的重要資源。」 —Brett Holleman 自由職業資料科學家 這本實用指南提供了傳統的資料工程和資料科學教育中常被忽略的技術和最佳實務。常見的迷思是，優秀的資料科學家是這個領域中「重大主題」的專家（機器學習和程式設計）；但事實上，這些工具僅能帶我們走到一定程度而已。真正能區分頂尖資料科學家與普通資料科學家的，是他們對這些重大主題理解的細微差別，以及他們對商業產生影響的能力。 整體而言，本書內容能使在該領域工作的普通資料科學家和優秀資料科學家產生區別。作者Daniel Vaughan收集、擴展並應用這些技能來創造價值，並培訓來自不同公司和行業的資料科學家。 透過這本書，您將能夠： ‧確保您的資料科學工作流程能創造價值 ‧設計可操作的、及時的、相關的指標 ‧提供引人入勝的敘事，以獲得利益相關者的支持 ‧使用模擬來確保您的機器學習演算法是解決問題的正確工具 ‧識別、修正並預防資料洩漏 ‧透過估算因果效應來了解增量性
一週學會Google Analytics 4|迅速打下分析基礎
「怎麼辦？對Google分析一竅不通，好焦慮！！」 趕快打開這個為期7天的學習計劃 每天都從有趣的漫畫開始 按部就班享受有趣且高效的GA4學習過程 「OMG！Google Analytics又改版，該不會要打掉重練吧......」 別擔心，我們會教你如何併用和遷移到GA4 曾經的努力會一直都在的^^ 「我不是不會，只是"稍微"忘記一點點」 需要回想哪個部分，就從哪個部分開始就好 32位撰稿人據自己的專長進行撰寫與發揮 精心安排的高效學習曲線 每章最後的QA練習讓你立刻加深印象 再也不怕轉頭就忘！ Google Analytics或網站分析的專業書籍，但總感覺有點難度。為了應對這類困擾，本書從「基本中的基本」開始說明相關基礎知識，為讀者提供全方位協助。 本書規劃以一日一個主題的方式，一週就能讓您理解Google Analytics 4的運作和操作方法，並且掌握製作簡單報表的能力。 全面認識Google Analytics 4的工作原理、操作及分析方法 踏入網站分析實務之前， 先確實提升基礎能力吧！
智慧預測性維護
隨著資訊、機械、系統工程和管理等學科的發展，特別是以行動互聯網、大數據、人工智慧等為代表的新一代資訊技術，推進了智慧製造的快速發展。 & 在設備的營運維護領域，為解決設備營運與維護服務的異地化、即時化和及時性等問題，設備製造或營運企業透過採集設備運行資料，並上傳至企業資料中心（或企業雲端），使系統軟體能夠對設備進行即時線上監測、控制，並經過資料分析進行預測性維護，逐漸形成了基於（行動）互聯網的維護、維修和營運（Maintenance Repair Operation, MRO）技術服務網路和相應的資料支援環境，如產品狀態、設備狀態、環境狀態、業務營運狀態、人員狀態、社交網路資料以及客戶回饋資料等大數據資訊，並體現出全球性（互聯網連接）、即時性（工業互聯網支援的狀態檢測）和及時性（行動終端調度）的特性，使得設備全生命週期的知識能被高效和自發地產生和利用。然而，由於MRO 技術服務網路中裝備系統故障的高隨機性和維護需求的高不確定性，面向大範圍MRO 網路環境中多個不確定性的合作主體和高隨機性的設備故障，如何可靠地獲取、建模、推理和挖掘來自產品狀態、環境狀態、設備運行狀態、人員狀態、業務營運資料、社交網路資料以及客戶產品回饋資料等裝備全生命週期中的異構大數據資訊？如何利用上述資訊準確地預測設備故障和維護需求，制定合適的維護和優化策略？如何在有限服務資源下，充分利用互聯網環境下廣泛存在的共用服務資源，最大限度地回應網路維護需求，建立與客戶長期全面的合作關係？更進一步，如何透過資訊物理系統（Cyber Physical System, CPS）將維護決策回饋給製造系統，實現誤差補償、調節和回饋控制？這些問題成了智慧製造環境下MRO 技術服務網路中各個參與主體的共同訴求，需要研究面向智慧營運環境的多源異構資料高品質獲取與融合理論與方法、資料驅動的裝備及部件故障預測理論和方法、面向裝備營運網路的大規模維護決策理論、基於CPS的回饋控制方法等大數據環境下面向MRO技術服務網路的智慧預測性維護（Smart Predictive Maintenance, SPdM）理論、技術和方法。 & 本書系統地介紹了新一代資訊技術環境對製造業的影響、智慧製造模式下的設備維護問題，以及各種維護策略，如預防性維護、預測性維護和智慧預測性維護等；詳細地介紹了故障預測的方法體系，包括基於物理模型的故障預測、基於可靠性模型的故障預測、資料驅動的故障預測、融合模型驅動的故障預測等內容；結合智慧製造的參考體系結構，系統地介紹了智慧預測性維護的技術體系與框架，如面向智慧工廠的智慧預測性維護、面向智慧工廠營運網路的智慧預測性維護框架等；注重智慧預測性維護的關鍵理論、方法和技術，例如，基於IoT的感知資源管理與車間無線路由技術、大數據驅動的故障預測理論和方法、維護決策和優化方法、網路決策和優化方法以及基於CPS的虛擬控制技術等，較全面系統地闡述了設備維護領域正在興起的理論、技術和方法，涉及面廣，內容豐富。 & 本書具體內容安排為：第1章對智慧製造模式下智慧預測性維護、設備維護策略與發展趨勢進行綜述，並為全書內容的展開進行鋪墊；第2章介紹故障診斷與預測方法；第3章結合智慧製造的參考體系架構，系統地介紹智慧預測性維護技術體系與框架；第4章介紹基於IoT的感知資源管理框架與模型；第5章介紹面向複雜製造環境的無線路由模型與演算法；第6章給出資料獲取的協定集成與設計案例；第7章討論資料驅動的故障診斷方法；第8章介紹資料驅動的故障預測模型與方法；第9章討論智慧工廠的維護優化調度與決策；第10章介紹大範圍維護服務預測與優化配置；第11章討論基於資訊物理系統的運行程序控制。 &
AI 時代的管理數學：使用 R 語言實作
如果你主要關注統計分析、數據可視化、線性代數、初等微積分， 並希望較快上手，「R語言」會是較佳的選擇！ 本書獨特之處在於以直觀且實用的方式，清楚介紹人工智慧及機器學習領域中常用的管理數學工具。透過R語言的實作，讀者得以深入理解並實際應用於不同實務情境。 書中的實例不侷限於理論探討，更著重實際應用，貼近日常生活，喚起讀者對數學的共鳴與學習熱情。舉例而言，透過應用貝氏定理，探討運動員實際服用興奮劑的真相，以及判斷過濾垃圾郵件的情境。同時，透過極佳化方法的應用，協助航空公司訂定最適價格和最大利潤路線圖等案例，使得理論更具實用性。 除此之外，本書擴大管理數學的範疇：從管理數學傳統上僅處理統計、線性代數的刻板印象，將此核心概念延伸至線性轉換、特徵值與特徵向量等進階議題，並且更進一步涵蓋一般書籍較少觸及的「極佳化方法」，包括微分、極值、偏微分以及拉氏乘數等內容，於實用範例中為機器學習（Machine learning）的數學應用奠定基礎。 線性規劃的討論更是引領讀者回溯至二戰時期，線性規劃應用於確定空中力量和雷達（radar）的最佳使用，具有時代非凡之意義。同時探討在各種混和限制條件下，欲達目標極大、極小化，使用線性代數中構築人工基底手法，自標準的極大化問題做為起點，經二階段法、對偶問題法、對偶單形法，深入解說 R 軟體 lpSolveAPI 套件背後的數學脈絡或故事。 本書精彩內容 —— 線性代數｜線性函數｜線性方程組｜矩陣｜向量空間｜線性轉換｜ 極佳化方法｜拉氏函數｜機率與統計｜單利．複利｜線性規劃｜馬可夫鏈｜預測｜ 本書特色 ☑ 以 R 軟體的程式語言與過程，深入解說並印證數學定義、定理 ☑ 透過 R 軟體的印證，經驗的移轉，形塑跨電腦語言的整體處理思維 ☑ 促成 R 軟體成為數學符號以外的第二語言，加速數學學習效率 ☑ 將人工智慧及機器學習常用之數學思維，應用於資料分析及解決管理問題 專業推薦 本書可以說是兩位學、產業界菁英以其多年的學經歷共同澆鑄的里程碑。內容以線性代數開啟矩陣，揭開「資料呈現的語言：矩陣」運用的神秘面紗（向量空間與轉換）；其他如微積分與拉氏函數在決策上扮演了重要的角色（波音收購麥道背後的精細計算）、機率統計的應用如何決定快篩的時機（避免偽陽、偽陰）、線性規劃包括各種極大化及極小化情境的應對技巧（單形法），和管理者最關注的前瞻預測（時間趨勢、週期變化與雜訊過濾）等等，都有待讀者諸君細細品嚐。—— 范宏書 博士｜輔仁大學商學研究所長 &
輕鬆上手Power Automate入門與實作：數位轉型必備，打造高效率自動化流程控制的智慧辦公室
輕鬆掌握RPA！將辦公室的電子作業自動流程化！ 無需撰寫程式碼、節省寶貴時間、減少人為錯誤 提升整體營運力、兼顧雲端版和桌面版、巧妙搭配ChatGPT 可以任意自訂流程將「Excel操作」、「SQL資料處理」、「Web應用」、「資料夾處理」等一連串作業輕鬆自動化！ ✪可下載本書範例檔案✪ ★全盤掌握RPA：機器人流程自動化的基礎知識、優勢與應用案例。 ★Power Automate新手入門：基本操作與桌面流程的設置。 ★自動化範例實作導引：解析檔案管理及Excel工作表、活頁簿等操作。 ★結合SQL進行資料處理：Power Automate結合SQL指令進行資料處理。 ★生活應用自動化實例：操控應用程式、OCR文字及影像識別、PDF分類動作、LINE群發訊息。 ★網頁應用自動化實例：網路爬蟲、螢幕擷取、爬取表格資料、整合Web服務與ChatGPT API。 ★豐富學習資源：包含官方學習資源、社群論壇和YouTube頻道等。 本書為讀者提供了全面且實用的RPA（機器人流程自動化）與Power Automate學習指南。從基礎入門到進階應用，囊括了RPA的各個面向，並透過豐富的實作範例展示如何將這些技術應用於工作與日常生活。無論您是初學者還是尋求技能提升的專業人士，本書將為您提供所需的知識與技巧，幫助您在數位轉型的趨勢中站穩腳步。 每一頁、每一章，都是筆者精心規劃的結晶，希望透過這些文字與範例，不僅僅傳遞知識，更能激發您對自動化潛能的探索熱情。我們相信，技術的學習應該是輕鬆而愉悅的。本書精彩內容如下： ☛初探機器人流程自動化RPA ☛Power Automate的基礎 ☛第一次Power Automate自動化就上手 ☛桌面流程必懂的基礎知識 ☛檔案與資料夾自動化操作 ☛自動化操作Excel工作表 ☛自動化操作Excel活頁簿 ☛在Power Automate結合SQL進行資料處理 ☛生活應用自動化實例 ☛網頁應用自動化實例 ☛Power Automate雲端版的網路服務 ☛Power Automate學習資源 ☛ChatGPT聊天機器人與提示詞基本功 &
文圖互織的資料寫作學：使用 R Markdown
如何運用資料說故事？資料科學最重要的功能在於解讀與呈現其意義。 將資料產生的意義加以串接與形成更多理解世界的線索，並且讓他們的讀者更快、更精準地理解現象背後的真相。 & 自周敦頤說「文，所以載道也」，後有「文以載道」一說。對資料科學家，「文以載道」就是資料寫作學：讓資料分析成為書寫。如果文件需要對資料作圖表處理和統計分析，用R Markdown 製作文件就是最佳選擇。編輯R Markdown可以直接在R Studio當中進行，在寫R Code分析數據的同時，同時撰寫分析報告，不需要在不同的軟體中進行切換，上手相當容易。 & 在本書中，將使用RStudio的免費平台，建立好讀者製表、製圖與繪製地圖的基本功，以及運用Markdown語法，將R語法及結果直接與你的解讀編織(knit) 在一起，進而轉為簡報檔或一本線上圖書。分享、讓大眾理解數據資料蘊含的脈絡與現象，是資料寫作最大的價值。 &
資料治理技術手冊
實現資料可信度的人員、流程和工具 「現今組織產生的資料量和種類比以往任何時候都來得多，企業需要更加了解手中的資料並為未來趨勢做好準備，他們必須採行現代資料治理方式—透過事先設計而不是事後才想到。」 —Jim Cushman, Collibra產品長 當您將資料移動到雲端時，對於資料該如何治理，您需要考慮全面的管理方法，以及定義明確且利益相關者皆有相同共識的策略，以確保您的組織滿足合規性要求。資料治理結合了人員、流程和技術協同工作的方式，以確保資料值得信賴並且可以有效使用。本實務指南向您展示如何在整個組織中實施和擴展資料治理。 首席資訊長、資料長和資訊安全長及其團隊將學習戰略和工具，以支持資料民主化並釋放其價值，同時執行安全、隱私和其他治理標準。通過良好的資料治理，您可以激發客戶信任，使您的組織能夠確定業務效率，產生更具競爭力的產品，並改善客戶體驗。這本書會教你怎樣做。 您會學到： ‧針對人員、流程和工具的資料治理策略 ‧基於雲端服務的資料治理方法的優勢和挑戰 ‧從資料擷取到資料準備和使用，資料治理是如何進行的 ‧如何對資料質量做持續性改進 ‧治理串流資料的挑戰和技術 ‧針對身份驗證、安全、備份和監控的資料保護 ‧如何在您的組織中建立資料文化
文科生也可以輕鬆學會Web Scraper網路爬蟲與Power Automate X Excel大數據分析
不用動手寫程式，讓Web Scraper爬蟲 X Power Automate自動化工具幫你搞定！ • 活用ChatGPT學習網路爬蟲、大數據分析和辦公室自動化 • ChatGPT學習SQL語法，建立高效率Excel資料處理術 Web Scraper是第一名Chrome擴充功能的爬蟲工具，不用撰寫程式碼，就可以建立CSS選擇器的網站爬取地圖從網站擷取資料，本書不只教你利用內建視覺化工具輕鬆爬取Web網站，更能夠使用ChatGPT學習HTML標籤+CSS選擇器，並了解各種網站巡覽結構。 Power Automate Desktop自動化工具，可以建立流程來執行一系列動作，輕鬆打造Windows應用程式和Excel自動化，來提高辦公室的工作效率，不只如此，再搭配書中使用ChatGPT學習SQL語法後，我們更可以整合Power Automate Desktop + SQL建立高效率的Excel資料處理。
人工智慧入門：演算分析×設計習題×章節回顧，不只當「被AI引導的人」，更要成為「掌控AI的人」！未來不遠，跟不上時代腳步，未來一定不會有你！
新世紀的技術大變革，「人工智慧」背後的核心技術與原理為何？ 「圖靈測試」早在70年前就預言了機器的智慧將會顛覆世界？ 程式設計基礎×搜尋算法定義×過度低度擬和×隨機森林算法…… 不只當「被AI引導的人」，更要成為「掌控AI的人」 ──想要掌握AI，先從理論課開始學起！ 【搜尋策略】 第一章首先介紹單智慧型搜尋問題的定義，然後詳細介紹盲目搜尋和啟發式搜尋兩種主要的方法；隨後，將介紹多智慧型對抗搜尋。為方便讀者理解，更穿插介紹了一些必要的數據結構知識及例子。 【機器學習】 機器學習是人工智慧領域的一個重要組成部分，其基本想法是利用數據進行學習，而不是人工定義一些概念或結構。第二章將學習機器學習的核心框架，即監督式學習（supervised learning）。監督式學習的應用非常廣泛，目前也有很好的解決方案。從監督式學習出發，本書會介紹各種不同類別的數據集，包括訓練集、測試集等。正確地區分不同類別的數據集，是理解監督式學習的關鍵。 【線性迴歸】 第三章會學到監督式學習中最基礎的線性模型。在經濟學與其他社會科學領域，線性模型仍然是最為常用的模型。線性模型可以用來分析資本存量、人均受教育程度等與經濟增長的關係，或根據市場訊息預測價格變動。本章將基於線性模型的概念，介紹梯度下降法，它不僅可用於線性模型，也適用於絕大部分機器學習算法，是機器學習領域最為常用的優化算法。 【神經網路】 第五章將先從深度線性網路談起，理解為什麼簡單疊加多層線性網路對於函數表達能力毫無提升，因此需要在網路中加入非線性的元素，以得到更強的表達能力，激勵函數就是神經網路中的非線性元素。神經網路的優化算法仍然是梯度下降法，相比線性模型，神經網路的導數計算更為複雜。 本書特色 人工智慧被廣泛應用在日常生活中，包括無人駕駛、臉部辨識、語音助理等，這場技術變革為人類的生活帶來巨大影響，且仍舊在不斷地推陳出新。本書以簡單易懂的實例介紹人工智慧的核心原理，並以數學語言具體分析描述，加深讀者對基礎理論的理解，更結合練習題以便讀者深入學習，希望能從科學角度來見證人工智慧的變革與未來。 &
Google Analytics學習手冊
創造商業影響力與洞察先機 「藉助Google Analytics的學習過程，熟悉這個數位行銷道具箱裡的每項工具，不僅能了解手上的資料、活化資料，還能創造出自己的競爭優勢，推動價值與成長。」 —Melinda Schiera, 策略分析師 在數位行銷分析領域裡，當前最新的資料模型非Google Analytics 4莫屬，因為GA4不只回報已經發生的事，新增的雲端整合功能還可以活用更多的資料，橫跨所有資料串流，串接線上與離線資料，提供點對點的行銷資料。這本實用手冊還會示範GA4如何支援這些新增的雲端整合功能，幫助讀者做好準備，迎向數位行銷的未來。 本書作者Mark Edmondson是Google Analytics和Google Cloud的開發專家，他針對GA4及其雲端整合應用，提供簡要但全面的入門介紹。資料、商業與行銷分析人員可以從本書學到GA4新的分析模式裡幾個強大的主要面向，主題包含資料架構與策略，資料擷取、儲存和建模，探索幾個常見的資料活用使用案例，指引分析人員實作案例時需要的步驟。 讀者將從本書學到： ‧Google雲端平台如何結合GA4 ‧GA4能與哪些使用案例結合 ‧建立GA4整合應用時需要哪些技術和資源 ‧啟用使用案例時，GA4必須先擷取多少資料 ‧設計資料流的程序，從策略到資料儲存、建模與活化 ‧如何調整使用案例，以符合自身的業務需求
新編計算機概論
本書涵蓋了資訊科學的核心知識與實務運用，將時下的熱門議題如大數據、物聯網、人工智慧、電子商務等等，融入適當的章節中，希望在培養讀者的電子計算機基礎知識的同時，也能窺見資訊科技的未來趨勢。 本書具有以下特色： 1. 融合資訊科技與生活：主要探討資訊科技在當代社會的重要性，以及其對個人生活和社會發展的影響，並擘畫未來電腦技術發展的趨勢。 2. 電腦概論的認識：主要在介紹電腦的基本理論和架構，包括硬體結構、數字系統、資料結構、系統軟體和常用應用軟體等基礎知識等。其中，特別針對目前最熱門的程式語言做一個概覽介紹，讓讀者了解這些語言的主要功能，以便確定未來學習的方向。 3. 認識通訊與網路」：探討資訊通訊、網路應用和電子商務等相關主題，包括網際網路的運作原理和常見網路應用。 4. 了解資訊管理與安全：討論資訊管理、知識科技和資訊倫理與安全等議題，包括如何管理和保護資訊資源以及相關的倫理問題。 為了讓讀者自我檢視學習成效，本書每一章後面，都附有複習題庫，其中多為歷年來各種升學、就業考試試題，希望可以幫助讀者自我檢核。此外，本書附上QR Code，內容包括實習課程與解釋名詞的整理，讓讀都能快速、便捷的使用相關資訊。 &
資料科學入門完全指南：資料分析的觀念處理實作
Chapter1 資料的概念：在最開始的地方，以一系列的案例讓讀者認識到資料的價值（1.1），並且學習透過資料的型態（1.2） 和尺度（1.3） 來認識資料。 Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。 Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。 Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。 Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。 Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。 &
大數據分析實務：RapidMiner之應用
本書使用免費下載的「RapidMiner」軟體，該軟體使用圖形化界面，不需編寫程式、操作簡易、功能強大且應用廣泛，適合初學與進階資料分析人士使用。 本書從基礎的資料取得、事前處理到模型的建置、評分、驗證與實例分析等，以實作方式，循序漸進的介紹大數據分析的操作步驟與流程。 全書提供30個案例，內容包含金融、製造、銷售、管理、醫療、休閒、氣象與情感分析文字探勘等諸多領域的應用實例，除了對現有結構與非結構式資料進行分析外，同時利用訓練模型預測未來，提升數據分析的實用價值。 本書除提供數據資料檔Data File外，亦附有各章節之程式/流程檔供讀者參考。
實戰Tableau資料分析與視覺化分析
學會Tableau的操作方法以及思維，培養Tableau腦想要讓數位轉型成功的企業，就少不了Tableaui這類BI工具的應用。本書的目的是透過多道題目介紹「製作判斷所需的視覺化分析」的方法，以及「根據資料找出想知道的數值」的方法。讓我們一起學會Tableau的操作方法以及思維，培養Tableau大腦。 大量的技巧與提示本書大量介紹了各種技巧與Tips。由於能快速找到每個問題的解決方案，所以能快速地提升Tableau的技巧。本書除了介紹常見的技巧以及問題之外，也介紹一些需要Tableau獨特創意的內容，所以大家能透過本書學會更多分析技巧，全面提升Tableau的實力。 透過實際演練，了解Tableau的操作與邏輯要想熟悉Tableau，就必須多練習、多累積經驗。不斷地優先練習那些不容易記住的題目，藉此學會思考模式。大量練習之下，練習的品質也會跟著提升。建議大家不要只是瀏覽步驟，而是要實際動手演練。不斷地練習，總有一天會有所突破。只要能夠熟悉Tableau的操作，就能在短時間之內完成高品質的分析。但願有更多人能夠體驗使用Tableau進行視覺分析的趣味與益處。 本書的目標讀者○ 已經學會Tableau基本操作的人 ○ 想學會更多分析方法，推動業務的人 ○ 想透過實際的練習強化相關技巧的人
GPT4會你也會：共融機器人的多模態互動式情感分析
本書共有六篇 第一篇 第1章到第3章介紹了多模態情感分析相關研究概述、多模態機器學習以及多工學習機制在不同領域的應用。 第二篇 介紹了多模態情感分析的資料集和前置處理方法，包括資料集簡介和基於主動學習的自動標定方法。 第三篇 討論了以文字、語音和人臉為基礎的單模態情感分析方法。 第四篇 介紹了跨模態資訊的情感分析，包括跨模態特徵表示、多層次資訊互補的融合方法、生成式多工網路的情緒辨識方法以及面向對齊和非對齊序列的跨模態情感分類方法。 第五篇 討論了多模態資訊的情感分析，包括基於多工學習和自監督學習的多模態情感分析模型，以及基於交叉模組和變數相關性的多工學習方法。 第六篇 介紹了多視角學習和遷移學習為基礎的多模態情感分析模型，並介紹了基於生成對抗網絡的情感分析模型。以上總結了各章節的概述和主要內容。 深入探討了智慧服務機器人領域中的共融機器人，即機器人與人、機器人與環境、機器人之間自然互動共融的應用。機器人與人之間的自然互動能力是關鍵技術之一，包括人機對話、多模態情感感知和人機協作。要具備情感感知能力，機器人必須具備多模態情感辨識能力，並針對多模態情感資訊的特徵表示、特徵融合和情感分類進行研究。本書內容包括了深度學習模型的人臉情感特徵辨識、多模態情感資訊的學習表示和多模態情感特徵的融合，是智慧型機器人自然互動、自然語言處理和人機互動等領域的重要參考。 &
數據網格|大規模提供資料驅動價值
「一本「將數據視為產品」全面且重要的介紹，包括達成此目標所需的文化、流程、技術和團隊變革。」 Manuel Pais 《Team Topologies》共同作者 「Zhamak詳細說明Data Mesh方法，讓這個新概念清晰且實用。」 Gwen Shapira Nile Platform共同創辦人與產品長，《Kafka: The Definitive Guide》作者 我們正處於數據的轉捩點。組織的複雜度、資料來源的激增及期望使用AI和資料分析來從數據取得價值等原因，已經讓目前的數據管理解決方案無法應對。在這本實用書中，作者Zhamak Dehghani介紹了數據網格，這是從現代化分散式架構描繪出的去中心化的社會技術典範，提供一種新的方法，規模化的獲取分析數據的來源、分享、存取和管理。 作者引導從業人員、架構師、技術主管和決策者，讓他們從傳統的大數據架構順利走向分散式、多維度的分析數據管理方法。數據網格將數據視為產品，將領域視為主要考量，套用平台思考模式來建立自我服務的數據基礎設施，同時介紹數據治理的聯合計算模型。 ‧完整介紹數據網格的原則與內容 ‧設計數據網格的架構 ‧引導數據網格的策略與執行 ‧引領組織設計去中心化的數據所有權模型 ‧將傳統資料倉儲與資料湖泊轉移到分散式數據網格
GA4全方位攻略：掌握行銷科技與數據營運的成功指南
數據分析已經成為每個人的日常工作 視覺化的圖表讓我們更好地理解資訊的趨勢與分佈 本書以透過數據分析的架構與邏輯，幫助大家從 Universal Analytics 接軌到 Google Analytics 4；讓 Google Analytics 4 不僅僅只是網站/APP分析的工具，更能成為大家在日常工作中的好夥伴，讓 Google Analytics 4 與各式行銷工具擁有整合的能力，以達成自動化行銷的目的，並有效的提升大家的工作效率。 &
圖解資料科學的工作原理
書中收錄給新手的重點詞彙集！ 從分析方法到AI基本概念，圖解所有應該掌握的知識 圖表、數值種類、資料結果等，從基礎知識開始講解！ 技術相關項目也會圖解說明，幫助初學者理解內容！ 完整收錄統計學、AI基礎概念等相關知識！ 網羅資訊社會中資料運用的問題點與課題！ 資料科學家(Data Scientist)一詞已經使用超過10年，資料科學(Data Science)也時有耳聞。AI、物聯網愈發受到注目，IT工程人員紛紛投入資料分析的業務，運用他人的分析結果建構系統的事例亦不斷增加。相信不久的將來，在商務中使用資料會將變得理所當然。 稍微掌握基礎知識後，會想要嘗試複雜的分析手法。然而即便完成高階分析，如果接收者無法理解分析結果，就失去資料分析的意義了。 分析人員對分析手法會有深入了解，會仔細調查新的分析方法，但接收分析結果的受眾，不見得有充實的背景知識。 因此，如果最後的結論相同，建議使用比較簡單的方法。即便不用高階統計方法、機器學習，簡單的圖表也足以解釋背後的意義。有時也不需要使用數值資料準確地分析，簡單易懂的圖解就十分足夠。 然而接收分析結果的人不宜毫無背景知識，也不應因方便而要求使用簡單的分析方法。不僅是分析人員，接收分析結果的人的也需要學習。 本書將會圖解介紹各種分析方法的概要，但收錄的內容終究僅是概略的內容，想要進一步深入了解的話，建議搭配專業書籍來閱讀。不過，了解有哪些分析方法、掌握各種手法的特徵，其實本書就綽綽有餘了。在運用手邊的資料之前，一起學習資料的分析方法及處理時的注意事項吧。 -增井敏克
Notion高效管理250招：筆記×資料庫×團隊協作，數位生活與工作最佳幫手
國內第一本最多應用技巧的Notion全面參考指南！ 10大主題．全方位計劃管理 隨時都能開始的筆記與資料整理術 ■活用連結分頁資料庫以及筆記平台內容嵌入，Word、Excel文件整合。 ■涵蓋閱讀書單、費用計算、雲端書櫃、旅遊行程、專案時程、排程日曆...等應用實例。 ■電腦、手機跨平台（Windows / macOS、iOS / Android）適用，靈活操作即時更新。 【超值加贈】 全書範例與素材/達人都在用的28款實用範本 頁面設計優質圖示資源速查表/快速鍵隨身速查表 學習資源使用方式影音教學 解鎖Notion，讓你懂觀念、有想法、會應用 高效雲端管理，分享協作密技不藏私大公開 使用Notion時，你可能會遇到這些問題： ‧操作不熟悉 - 區塊類型選擇困難 ‧資料整理不拿手 – 整合散亂筆記有問題 ‧資料庫問題多 – 資料類型與關聯不清楚 由Notion最實用最基本的操作開始，一步驟一圖文全面詳解，不論是個人或團隊應用，輕鬆編排文字、圖片、音樂、影片、附件...等，以及資料庫到報告產出，跨平台應用，全方位高效掌握。 *熟悉Notion，扎實前端基礎 區塊自訂重組編排，頁面階層無限延伸，文字、資料庫、各式媒體格式，以及YouTube、Google Drive、Google Maps...等資料完全整併，善用Markdown語法及操作快速鍵，事半功倍、提升效率。 *結合生活與工作，完全實務應用 設計、教育、閱讀和寫作、銷售量、健康保健、人力資源...數十種不同情境範本，完全掌握工作效率及大小活動流程，跨平台、系統通用，用電腦、行動裝置隨手記事，輕鬆成為雲端工作達人。 *高質感素材與區塊樣式美化筆記，專業呈現 不僅要求作品專業完美，也希望工具平台介面簡單有設計感？Notion是一款介面簡潔的軟體，有設計感，靈活、流暢的操作加上Block編輯模式，大量免費封面圖片、圖示、Unsplash圖庫，輕鬆設計出不同用途的專業內容。 *善用資料庫，幫你管理各種專案進度 資料庫支援匯入、建置、屬性類型指定、關聯、計算...等全面應用，有 Timeline、Board、List、Gallery、Calendar...等多種檢視模式，搭配篩選條件各別檢視以及計算功能，掌握預算不超標。 *團隊協作，邀請他人共同編輯與分配權限 提升團隊協作效率，完美地跨時區、跨平台共同編輯作業，還可以依每位成員或訪客的性質調整編輯管理權限，讓團隊成員可取得最精準的同步資料與即時討論。
大數據地圖與地理空間資料視覺化設計指南
地圖是絕佳的空間資訊呈現介面，而因應大數據時代的來臨，不論是物聯網、新冠肺炎，或是各類社群與商業資料，都存在許多空間屬性資料（例如：感測器位置、疫情區域、經緯度、城市、國家等空間欄位等等），此類型的地理數據，與一般常見的商業數據屬性不同，需透過特定工具與方法將其視覺化，來有效傳達對應的數據故事。 & 本書彙整了許多好用的地理數據視覺化工具，搭配圖片提供步驟式實作教學，主要針對容易入門、非程式的實作工具為主，包括：Excel、Flourish、Google Data Studio、Mapbox、Tableau、Kepler等；希望能夠透過此書，引導讀者一步步製作出專屬於自己的地理資料視覺化作品！
圖解資料結構：使用C＋＋-最新版-附MOSME行動學習一點通：診斷 . 加值
1. 逐步圖解：圖解方式說明資料結構的概念，逐步呈現新增元素、刪除元素、搜尋元素等運作過程，直覺易懂。 2. 實作範例：範例實作資料結構程式，詳加解說，並分析程式的執行效率。 3. 概念釐清：羅列與比較每種資料結構的優缺點及使用時機，鞏固與強化觀念。 4. 習題演練：各章末課後習題供檢證所學，且讓讀者熟悉資料結構相關之升學與就業考試的基礎題型。 MOSME行動學習一點通功能： 使用「MOSME行動學習一點通」，登入會員與書籍序號，可線上閱讀、自我測驗、下載範例程式。 ‧診斷：可反覆練習本書題目，強化熟練度。 ‧加值：附書中範例程式檔，便於下載使用。 &
大數據驅動商業決策：13 個 RapidMiner 商業預測操作實務
用一個創業的故事，告訴你大數據分析如何解決商業問題 & 手搖飲競爭對手在哪裡？超市商品之間是否有關連性？推薦什麼電影給客戶？客戶是否下單買保險？電信業的客戶是否跳槽？公司未來營收可能是多少…公司從草創到轉型的過程中，會遇到很多的問題。但是，現在你有了解決方案！ & 本書透過主人翁 Joe 跟 Eddy 的創業故事，告訴讀者如何使用大數據分析，解決公司營運過程中所遇到的問題。書中的分析案例貫穿了企業發展、管理的整個生命週期，所以無論現在的你處於什麼階段，都可以找到切身相關的問題，並學會如何透過大數據分析的方式解決，從而真正實現數據驅動決策（data-driven decision making）的管理方式。 & 本書使用 RapidMiner 圖形化介面，即便不會寫程式，也能夠將雜亂的數據進行有效的整理、轉換。特別是使用合理的分析演算法，能夠快速獲得容易理解的數據內容，並得出結論，進而基於結論作出合理的決策。 & 本書的內容將幫助你的公司，成功轉型成數據驅動商業決策。 & 本書特色 & ● 繁體中文第一本獲得 RapidMiner 臺灣總代理昊青推薦專書 ● 使用圖形化介面 RapidMiner 9.10 免費版，大數據分析不用寫程式 ● 透過一個創業的故事，告訴你大數據分析如何解決商業問題 ● 書中提供詳細操作步驟，你一定做得出來 ● 範例資料集來自真實資料，商業分析很有感 & 名人推薦 & ● 專文推薦 王健全 中華經濟研究院副院長 蘇傳軍 元智大學工業工程與管理研究所教授 林修葳 臺灣大學國際企業學系所教授 周冠男 政治大學商學院副院長 余士迪 清華大學計量財務金融學系教授 林君信 前陽明交通大學管理科學研究所所長 董澍琦 中興大學財務金融學系教授 丘邦翰 元智大學數位金融學群教授 & ● 專家審訂 蘇傳軍 元智大學工業工程與管理研究所教授 丘邦翰 元智大學數位金融學群教授 &
超圖解 資料科學Data Science：數據處理-入門中的入門，強化處理力&判讀力ｘ資料倫理
身處在資料化社會， 每天都面對排山倒海而來的資訊，我們究竟該如何應對？ 每天一睜眼，抓起手機一看，又是滿滿當當的資訊浪潮來襲；不僅如此，送小孩上學、到公司工作，下班與家人聊天，我們無時不刻都在與周遭的人分享情報、使用情報。 情報「資料化」其實是一門近在你我身旁的科學， 在資訊及通訊科技（ICT）高度發展的今日，這樣的時代早已經到來，而且越卷越快速，任何人都無法避免面對這股浪潮。 比如什麼是大數據？大數據又該如何運用？運用的倫理界線在哪裡？等等問題，我們的日常周遭充斥著各式各樣的資料。如果少了資料，就連一般的生活都無法順利運作。「資料科學」即是研究現代社會不可或缺的「資料」之科學。 「懂資料」並「運用資料」的資料科學知識能力在未來AI世代越來越顯其重要性，本書將在本書的章節中一一介紹，以當代和未來社會中，分析佔據我們生活越來越多時間的「資料處理」的過程，以及我們該用什麼心態和方法面對。 本書是一本「入門用的入門書」，使用大量的插畫與圖表進行簡單易懂的解說，讓讀者能夠粗略掌握資料科學的概要。本書不使用困難的公式，因此也很推薦給看到公式就頭痛的人。 &
熟悉過去，預測未來：從總統競選到奧斯卡頒獎、從Web安全到災難預測，一本書讓你用大數據洞察一切！
大數據只是賓語，離開了人這個主語，再大也沒有意義 & 9大行業應用╳15章專題精講╳84個應用案例 實例＋理論，一本書讓你在最短的時間掌握大數據的祕密！ & 大數據即將開創資訊社會的嶄新時代，並改變我們看待世界的方式。 那麼大數據意味著什麼，它到底會改變什麼？ & ▎變革醫療衛生 大數據的到來，使很多醫院經營者們不再靠經驗和直覺習慣做決策，逐步轉變思考方式，透過對大量資料的探勘和運用，更多基於事實與資料分析做出決策。這對資訊技術人員來說是機遇也是挑戰，而這些影響都是大數據帶來的。 & ▎帶來商業革命 生產者是具有價值的人，而消費者是生產者價值的意義所在。 有意義的才有價值，消費者不認同的，就賣不出去，就實現不了價值；只有消費者認同的，才賣得出去，才實現得了價值。然而，大數據可以幫助我們從消費者這個源頭識別意義，從而幫助生產者實現價值。 & ▎改變人們思維 大數據改變了我們的思維，更多的商業和社會決策能夠「以資料說話」。 網際網路改變了人類交流的方式，而大數據不同，它標誌著社會處理資訊方式的變化。隨著時間推移，大數據可能真的會改變我們思考的方式。隨著我們利用越來越多的資料來理解事情和做出決定，我們很可能會發現生活的許多層面是隨機的，而不是確定的。 & ▎開啟時代轉型 大數據可以幫助我們「捕捉現在，預測未來」。 A和B事件如果經常一起發生，那麼注意到B發生，就能預測A也發生。這種關係已在零售業和電子商務中被廣泛運用。例如，某家便利超商透過分析零售終端的資料，得出「溫度低於攝氏15度時，暖暖包的銷售量便增加5%」的相關關係。於是，只要溫度低於這一度數，店內的暖暖包就會上架。 & 【Netflix】全球最大的商業影片串流供應商 美國最早嘗試將大數據和媒體行業相結合的串流服務商。 這家公司同時也成為吸收新增資料的「海綿」──使用者在看什麼、喜歡在什麼時段觀看、在哪裡觀看以及使用哪些設備觀看，爆增的資訊量成為Netflix手中的寶貴資產。他們甚至掌握著使用者在哪個影片的哪個時間點後退、快進或者暫停，乃至看到哪裡直接將影片關掉等資訊。 & 【Ancestry.com】建立更準確的血緣關係 幫助人們將自己與家庭史結合並創建獨一無二的樹狀家譜。 Ancestry網站包含了大量出生、死亡、人口普查以及其他相關紀錄，這些紀錄起初大多是非結構化資料，隨著使用者以及家族資料的不斷增加，Ancestry公司改善其資訊檢索的算法。Ancestry透過對唾液進行採樣，能夠對客戶的DNS進行排序並將結果與資料庫中的其他客戶加以匹配，客戶甚至可以找到多年沒有聯絡的表親。 & ★本書特色：本書共分為15章，詳細介紹與大數據相關的概念，包含商業變革、基礎建設、資料管理、風險管理、資訊通訊、解決問題等，內容豐富縝密。書中涵蓋數十個精彩應用案例，闡述細緻，讓讀者能夠用一本書精通大數據，邊學邊賺！
精通資料分析|使用Excel、Python和R
資料分析聽起來很難，但只要你會用Excel，其實就不難上手了。透過這本實作指南，能夠幫助你更進一步地理解資料分析與處理，並瞭解如何藉助程式語言進行資料分析與假說檢定。 資料分析的重點是找出關聯性，本書可以引導你學到更進階的資料分析技術。本書運用試算表作為練習基礎統計學概念的範例，並告訴你如何運用Python與R進行更有效率的資料分析。 這本實用指南可以幫助你： ．了解如何利用Excel進行資料分析：透過Excel來測試變數之間的關係，並運用統計學製作令人信服的分析 ．從Excel到R：學會如何使用R進行原本利用Excel所進行的資料分析工作 ．從Excel到Python：學會如何應用Python進行原本利用Excel所進行的資料分析工作
圖解資料庫的工作原理
在電腦與網路普及的現代社會中，大量的資訊讓我們得以擁抱便利的生活。只要稍微仔細觀察，就能發現生活中充斥了許多資訊。例如，社群網路服務與通訊軟體、電車時刻表、記錄於出勤系統中的時間、地圖軟體中的餐廳資訊、設定手機提醒的行事曆，以及網路購物的商品資訊等。如今，這些資訊在世界各處持續增加，大量的資料要如何儲存，又要儲存在哪裡？處理大量的資料時又該怎麼做？解決這些問題時，資料庫是一項關鍵的技術。 本書包含使用資料庫前必須了解的知識，包括： ．資料庫的基礎知識 ．資料庫的操作方法 ．系統設計的相關知識 ．資料庫運用的相關知識
精通資料視覺化
用試算表和程式說故事 「關於資料視覺化，你需要知道的一切，都在這本書裏頭了！」 － Derek Eder Partner, DataMade 《精通資料視覺化》將告訴你如何設計可用於網站上的互動式圖表和定製地圖，只要利用Google試算表、Datawrapper和Tableau Public這類的工具就能辦到。我們還會告訴你，如何套用GitHub上的Chart.js、Highcharts和Leaflet等開源模板。 本書利用真實世界的案例與網路資源，一步步引導你學會如何將資料視覺化，即使沒有任何程式設計經驗也能辦得到。 ．構建互動式圖表和地圖並將其嵌入你的網站中 ．理解設計有效圖表和地圖的原則 ．學習關鍵的數據可視化概念以幫助你選擇正確的工具 ．轉換和變換表格和空間數據，講述你的資料故事 ．在GitHub上編輯和託管Chart.js、Highcharts和Leaflet地圖程式模板 ．學習如何檢測他人製作的圖表和地圖中的偏差
Metadata後設資料：精準搜尋、一找就中，數據就是資產！教你活用｢描述資料的資料」，加強資訊的連結和透通
了解後設資料（metadata），是資訊科學的必修課。 一本書，幫助我們掌握資料的流通和運用！ & Metadata是「描述資料的資料」，有許多中文譯名，包括後設資料、詮釋資料、元資料、元數據等等，本書譯為「後設資料」。 & 後設資料就是用來詮釋資料屬性的資訊，有助於標出資訊儲存的位置、文件紀錄、尋找資源、相關評價和過濾資訊。 & 以手寫信為例，信封上的寄件人和收件人地址、姓名屬於後設資料，但書信內容並不是。以手機通聯紀錄為例，發話人和受話人的手機號碼、通話日期、通話地點和通話時間是後設資料，但交談內容並不是。 & 在網路尚未普及之前，圖書館的卡片目錄就是後設資料，每一張卡片必定有這本書專屬的「索書號」，前往圖書館找書的人們就能迅速找到藏書。 & 隨著網路普及，後設資料已經成為資訊科學的基礎，並且能夠滿足管理和搜尋的需求：電子檔案逐漸取代紙本資料，必須善加管理；為了因應網路上龐大的搜尋，必須讓人迅速找到結果。 & 如果沒有後設資料，所有資訊都必須倚賴人力查找，將導致成本增加。近年來，後設資料的格式也愈來愈多，人們熟悉的大數據（big data），也是源自於後設資料。 & 本書作者傑福瑞．彭蒙藍茲是資訊科學家，曾任威斯康辛大學麥迪遜校區圖書館與資訊研究學院兼任教授、北卡羅來納大學教堂山分校資訊圖書學院助理教授、華盛頓大學資訊學院客座教授。他的線上課程「後設資料：組織和探索資訊」（Metadata: Organizing and Discovering Information）課程，深獲業界人士和學生喜愛。 & 作者提醒我們，後設資料已經不只是在圖書館用來描述和管理藏書的書卡，也可以用於描述和管理網路資源、應用程式介面、描述影音格式，甚至是藝術品和科學資料集，後設資料將會持續演進。 & 閱讀本書，有助於我們： 1.了解後設資料，加速資料的流通傳播和長期保存 2.為資料建立系統、提升資訊科學素養 3.活用後設資料，強化資料的應用（組織、識別、管理、保存、搜尋、發現和獲取） & 一本書，幫助我們了解資料的保存和流通、建立完整的管理系統，進而精準活用數據！
資料科學的良器：R語言在行銷科學的應用
Marketing Science Using R 重點探討行銷科學領域 相關統計觀念及R語言 & ※內容詳解行銷科學的應用‧ ※強化解決行銷領域的問題 ※配合豐富的行銷實例說明 ※輕鬆理解並有效解決問題 & 本書適用於對行銷科學方法感興趣的讀者，不管是有心進入行銷領域的資訊管理背景人士，或是尋找量化分析工具的行銷從業人員，提供了理論與實務的最佳參考書籍。 & 本書特色 & *直指行銷科學領域的應用層面，以解決問題導向，而不是純粹的談R程式語法。 *詳細的程式碼解說，每個實例都可以是本書的起讀點。 *捨SPSS、SAS、Stata等有版權的軟體不由，而以開源軟體R切入。 *專章探討資料視覺化，兼顧極簡與吸睛，可突破文字敘述的盲點。 *深入闡述衡量尺度（Scale）的應用，因為並非所有數字都含有一樣多的訊息。 *很多實例出自多變量教科書，如大學生論啤酒，但經R語言重新詮釋，可由旋轉和反射的剛性運動（Rigid motions），而豁然開朗。 *碰到大樣本的集群分析（Cluster analysis），可透過非階層式的K-means方法，找出羣組及各羣組屬性均值。 *多元尺度法（MDS）與知覺圖繪製上，除採用Kruskal壓力係數外，又引人RSQ指標，擴展讀者視野。 *介紹主成份分析（PCA）與知覺定位圖，更引入令人目不轉睛的雙標圖（Biplot），因為雙標圖可以像散布圖一樣輕鬆閱讀。 *介紹近來興起的對應分析（CA），除探討繪製知覺圖外，展現將眾多的樣本和眾多的變數同時繪到同一張圖解上的「全覽圖」。 *互聯網及社群媒體等的興起，導致了空前的資料量，讓人目不暇給。介紹兩大新的見解：推薦系統及情緒分析，以便按圖索驥。 *介紹中文字斷詞器的用法，破解讀者望而生畏的先驗。 *除了直接應用R套件函式外，探索其背後的演算依據及其程序驗證。 & 好評推薦 & 善用AIoT 搶占行銷先機 本書中，廖博士與葉世聰先生巧妙的應用R 語言技術，在與行銷科學相關的統計、資料視覺化、市場區隔、知覺圖及商品推薦等各個行銷領域，以數理分析的架構，逐一闡述，簡明扼要，對有志於行銷的人士而言，實乃非常實用的工具書，也是行銷學界的一大福音。相信讀者閱讀此書也能同我一樣從中獲得喜樂與智慧。--微程式集團（U-Bike 系統商）前副執行長 朱益民 & 數位行銷贏家的致勝關鍵 有幸與廖如龍博士曾經在IBM、Oracle 顧問部門一同共事，知悉他累積相當豐富的產業經驗，並且在大學兼任教職的教學經驗，彙整了產學研專業和產業知能，結合現今熱門的R 語言運用於行銷學領域，如獲神兵利器，編撰成教科書，讓莘莘學子如沐春風、如虎添翼，個人深感欽佩。--前資誠（PwC Taiwan）創新諮詢公司 副總經理 莊明霖 & 結合理論與實務，找出痛點，對症下藥 敝人近年在行銷管理教學經驗中，發現一般行銷管理教科書的內容常常「點到為止」，只交代了概念、案例及策略，但在實務操作面的內容常有不足。廖如龍博士與其共同作者葉世聰先生顯然是知道我的「痛點」，繼《R 語言在管理領域的應用》一書成功地為企業經營管理問題提供解決方案之後，二人繼續以R 語言為應用工具，結合兩人的行銷管理智慧，匯集成本次著作《R 語言在行銷科學的應用》，為有心進入行銷領域的資訊管理背景人士，抑或苦無合適量化分析工具的行銷從業人員，提供了一部結合理論與實務的最佳參考書籍。--國立清華大學科技管理研究所副教授 吳清炎博士 & 穿越理論與實務．傳統與現代的行銷規劃案頭書 行銷主管最大的任務，乃在發掘行銷機會、行銷推廣以及問題的確認，從不同產品市場找尋市場上未被滿足的需求，有效溝通商品特色，同時評估企業行銷活動之有效性，找尋公司行銷過程中的問題點，並加以改善。這項工作極為困難！筆者有幸看到這本《R 語言在行銷科學的應用》的出版，兩位作者深入淺出地從行銷理論、資料分析方法論乃至R 語言的運用，做了理論的詳細說明與介紹，書中也舉出實際的範例運用，是一本不可多得的工具書。--佛光大學管理學系副教授 蔡明達 & ※讀者可以到博碩文化官網輸入書號或書名，下載「範例檔案」參考練習。
大數據管理系統
大數據管理技術涉及了大數據管理的各個方面，包括資料儲存、資料查詢、資料治理、資料整合、資料處理、資料分析、資料視覺化。傳統關聯資料庫的一站式服務已經無法滿足大數據領域的資料處理需求。一方面，以網際網路應用爲代表的大數據應用產生的龐大數據量超出了傳統工具的處理能力；另一方面，異構資料源和種類繁多的大數據應用對資料處理和資料查詢提出了諸多靈活性需求，這些需求大多不易透過傳統的SQL查詢來實現。爲解決資料量大和資料處理需求多樣性所帶來的挑戰，大數據管理技術發展出了一系列革新的資料管理技術。 本書詳細討論大數據管理技術的各個分支及其實現技術，包括大數據建模技術、大數據儲存和索引技術、大數據查詢處理技術、大數據交易技術和大數據匯流排技術，並在此基礎上，對大數據應用系統進行了全面分析。 本書面向大數據應用的開發人員、大數據管理系統的開發人員以及大數據管理技術的研究人員，也適用於高等院校相關專業師生學習。
Big Data大數據分析-使用Power BI視覺化應用與Azure雲端平台
1.採用Microsoft 微軟所推出Power BI 軟體結合Excel 應用工具，透過步驟化的教學與說明，讓跨領域者與商業數據分析應用技能相互整合。 2.本書囊括資料清理到應用與視覺化分析等專業知識建構，一應俱全。 3.本書適合對商業智慧跨領域學習感興趣的學習者、學術機構與訓練中心採用，讓學生體驗跨領域職能的整合應用、商業智慧基礎應用、視覺化圖表製作等技術與核心知識建置技能實務操作運用。
喬叔帶你上手Elastic Stack：Elasticsearch的最佳實踐與最佳化技巧(iT邦幫忙鐵人賽系列書)
不只會用，本書教你如何正確及有效率的使用 Elastic Stack！ 融合多年實戰、顧問及教學經驗，少走冤枉路的絕佳利器！ ✍ 集結 Elasticsearch Index 資料管理的重要觀念及最佳實踐原則 ✍ 揭密 App Search 如何運用 Elasticsearch 打造產品的實踐方式 ✍ 收錄 Indexing、Searching、Storage、Sharding 等 59 項最佳化技巧 本書內容改編自第 12 屆 iT 邦幫忙鐵人賽 Elastic Stack on Cloud 組冠軍網路系列文章──《喬叔帶你上手 Elastic Stack 》。作者喬叔在多年 Elastic 相關實務及教學經驗中，發現有太多因不了解原理而踩坑的案例，因此在本書集結 Elasticsearch Cluster 部署、Index 運作原理、Index 資料管理的最佳實踐，並以 App Search 產品實例深入探討其運用 Elasticsearch 打造應用程式的實務作法，以及收錄 Indexing、Searching、Storage、Sharding 等 59 項最佳化技巧，剖析 Elastic Cloud 與自行架設 Cluster 的優劣比較。 無論是剛入門的新手，或是已經在使用 Elastic Stack 的老手，都能更正確及更有效率的運用 Elastic Stack 來處理分析大量資料或是打造滿足商業需求的搜尋功能，絕對是能讓你少走許多冤枉路的絕佳利器。
GA到GA4：掌握網站數據分析新工具的技術原理與商業思維
快速上手 GA 4，建立工具操作與商業經營的緊密連結！ GA 4 與通用版 GA 的異與同 企業的導入策略與步驟 報表結構與數據判讀 「事件導向」的數據模型 手把手完成 GA 4 事件相關的設定 GTM 簡介 深入解析 utm 參數的應用 以 AI 為基礎的豪華版「探索」分析圖表 以數據分析支撐商業決策的實例探討 Google 分析 (GA) 雖然已是大部分企業的標準配備，但因為工具的複雜與善變，讓不少有多年經驗的使用者，仍然覺得難以親近。而新版 GA 4 問世，數據模型的跨代改變，複雜度遽增，更加深了大家的焦慮感。 但如果使用工具時，除了操作，還能夠細究其技術邏輯，深入理解工具反映的商業概念，則會發現複雜、善變的背後，其實有一定的脈絡可循。 本書的設計，以技術架構為經，透過實作範例，完整執行 GA 4 事件設定與進階分析流程，讓負責操作的朋友，可以與通用版 GA 無縫接軌，快速上手；同時以商業策略為緯，詳細解釋了 GA 4 各種功能與報表，在商業情境中的具體意義與應用策略，讓無需動手的決策人員，也可以透過本書，具體瞭解 GA 4 到底在做什麼。
最強行銷武器—整合行銷研究與資料科學
行銷研究的歷史已經超過了百年，但最近二十年，行銷資料科學的興起，對行銷研究造成巨大的衝擊。行銷研究與行銷資料科學彼此之間，產生些許的替代，甚至帶來了許多的互補。 本書的主題在談行銷研究與行銷資料科學的整合，但因為這項議題現在還正在發生與演變當中，同時也尚無一個完整的整合模式，國內也還未出現類似的書籍。因此本書希望能為此領域開一小扇窗，讓更多的行銷人有機會為此領域產生更多的貢獻。 透過本書，您將可以了解： ．何謂行銷研究？何謂行銷資料科學？何謂行銷科技？ ．為何要整合行銷研究與行銷資料科學？ ．何謂假設驅動研究與資料驅動研究？ ．各種研究與資料科學分析的類型 ．行銷研究程序與行銷資料科學程序 ．各種研究設計，從觀察法、調查法、訪談法、焦點群體法、實驗設計法、次級資料法到大數據分析法 ．衡量與抽樣的概念 ．如何透過資料的蒐集與分析與實作來整合行銷研究與行銷資料科學？
人人都學得會的網路大數據分析入門：一步步教！超詳細！專為非專業人士所寫的機器學習指引
你是領先群倫的專業人士， 因此擔心自己或公司在資訊技術日益進步的時代淪為落伍者？ 你覺得｢大數據、機器學習｣對你來說是「遙不可及」嗎？ 你更憂慮不知道該如何下手？！ 這本書就是來教你「具體該怎麼做」！ 作者精心設計用最白話、最易懂的方式，一個步驟一個步驟地教你如何由網路收集資料、如何統計分析。 只有建立你自己的資料庫、活用大數據， 靠量化分析才能讓你做出最精準的判斷與決策， 無論你是否學過，只要有一部電腦或一台筆電！ 這是一本任何人都學得會，並且做得到的大數據、機器學習之最佳入門書！ 其實，任何背景的人要從網路下載大量資料，進行量化分析，甚至導入機器學習的方法，做更進一步的分析，都只要幾個小時的「苦練」。 市場上有關程式設計、甚至機器學習的書及課程很多，他們的目的是在教導讀者全面性的觀念，而你學會之後，再運用在你有興趣的地方。這樣很好，不過，對初學者而言較難。大多數人學會了之後，也不知如何運用。 本書則是以不同的方式編寫，作者先教你如何由網路上下載資料，再教你整理並分析的相關技術。我們會把所有的程式碼上網公布，方便你剪貼運用，你可以很快的用這本書的內容做資料收集及分析的工作（特別是量化分析）。 你不必成為程式設計師，但是至少要知道如何運用資訊科技來搜集並分析資料。而且雖然萬事起頭難，可是你一旦會用excel vba、簡單的機器學習工具來分析資料，你會發現再擴展到其他領域其實不是那麼難。你由此出發，有興趣再去補其他資訊科技之不足。 你可能會問為什麼要學會資料分析、機器學習的相關技術，好吧！俗氣的來說，這是當紅的技術。而且你如果把它運用在工作上，可以提升你或你公司的營運效率。 我想你應當受夠了和老闆及同事開會時各說各話的情況，決策全憑大家的「捷思」法，舉出版一本書的例子來說：我認為投資書要以投資系統為寫作主題，而你認為要寫名詞解釋的入門書比較好，雙方都可以自憑記憶找出佐證，但是由網站把所有書下載，比比看誰賣得好、誰出得多，在量化的基礎上不僅可以免除偏見，並有助於進行更進一步的討論。 現有軟體已經可以對固定化格式的資料進行大量的分析，不過，機器學習的技術可以讓資料分析有更高的可信度。一些需要人工判斷的資料，要先經過人工處理、分群，然後再加以分析。如果資料幾百筆，OK，你用人工分。但如果資料上萬筆呢？如此就要引進機器學習的技術，讓它替你分群，或是讓它學會你分群的邏輯，接手你的工作。 以上聽起來有點難，但是原理不難理解，本書也將提供入門的指引。 本書特色 ◆專心於資料分析的資訊技術，減少學習的負擔 一般的上班族就算對資料的分析有需求，對程式的設計也沒有興趣，本書只討論有關資料取得、分析等方面的程式工具。有資料分析需求的讀者，學會這些就夠了，其他的有時間再深入。 ◆大量的程式可供下載套用，拿來改一改就可以用了 分析網路資料大約有幾個部分：資料下載、資料整理、資料分析。其中運用到的程式語法說多不多，說少不少，一個一個重新打，很煩人。本書的所有程式碼都開放下載，你自己修改起來就方便許多。 ◆作者成立讀者社群，提供相關資訊下戴，也有利於相互共同學習
大數據時代超吸睛視覺化工具與技術：Excel＋Tableau成功晉升資料分析師
大數據視覺化類別銷售第一的《Tableau資料分析師進階高手養成實戰經典》的初階系列著作 這本大數據人工智慧人才晉級寶典，讓你具備資料分析力，邁向資料分析師高薪之路！ 學習資料視覺化的第一本書 利用強大的視覺化分析技巧與工具 精準找出分析洞見與數據價值 透過Tableau快速製作精緻商業圖表 透過Excel進行資料清洗 × Tableau視覺化工具步驟式教學 了解各類視覺化圖表之特性與使用情境 × 靈活運用資料視覺化圖表 在大數據與資料視覺化的浪潮下，越來越多人在工作上需要面對資料分析的挑戰。無所不在的大數據資料，你想不想也一窺其中的奧妙呢？琳琅滿目的視覺化工具，又該如何選擇呢？現在就來學習與活用專業的資料視覺化工具與技術。 近年來，越來越多功能強大的視覺化工具推出，而Tableau是其中絕對不可錯過的一款超強軟體，其在美學設計、資料處理彈性、資料連線等功能上，都很切合現今企業的需要，也非常適合作為企業組織的核心分析與視覺化工具，可幫助資料詮釋者說出想要傳達的故事，成功吸引眾人目光。 本書是《Tableau資料分析師進階高手養成實戰經典》的初階系列著作，主要介紹資料視覺化工具概念與技術，包括視覺化原理、工具使用時機、圖表挑選準則等，內容除了教導你如何透過Excel進行資料清洗之外，也重點解析Tableau從安裝到到實務操作的一連串過程，最後可親手做出專屬於自己的資料視覺化網頁。此外，附錄中整理了數十種視覺化工具資訊，可滿足你的各種情境之需求。
