“這本書介紹機器學習與資料科學，聯結工程師與資料科學家，協助將相關技術應用在實務，確保你的投入能真正解決問題，以及提供實際應用時的最佳化技巧。”
-摘自系列編輯Paul Dix的序
成功資料科學專案的實務技巧
本書是資料科學與機器學習從業者解決實務問題技術的速成課。作者Andrew與Adam展示如何快速的產出重要結果；持續讓投資報酬率最大化；避免過度期待的工具與不必要的複雜性；以最簡單、最低風險的方式完成工作。
作者以豐富的經驗幫助你提出實用並完整的執行方案，透過直接查詢、聚合、視覺化進行工作，教授不可或缺的錯誤分析方法以避免錯誤的結論。內容涵蓋了線性回歸、分類、聚類、貝葉斯推理等機器學習技術，幫助你為每個專案選擇正確的演算法。有關硬體、基礎設施、分散式系統的結論為實務環境最佳化提供寶貴的參考指南。
‧利用敏捷方法聚焦於專案的小範圍與有效開發
‧以Python實務範例學習
‧由簡單的啟發開始，隨著資料管道的成熟而改善
‧以基本的資料視覺化技術展示成果
‧掌握線性廻歸、隨機森林、分類、群集、過適等關鍵機器學習技術
‧學習基本圖模型與貝葉斯推斷
‧認識機器學習模型中的關聯與因果
-摘自系列編輯Paul Dix的序
成功資料科學專案的實務技巧
本書是資料科學與機器學習從業者解決實務問題技術的速成課。作者Andrew與Adam展示如何快速的產出重要結果；持續讓投資報酬率最大化；避免過度期待的工具與不必要的複雜性；以最簡單、最低風險的方式完成工作。
作者以豐富的經驗幫助你提出實用並完整的執行方案，透過直接查詢、聚合、視覺化進行工作，教授不可或缺的錯誤分析方法以避免錯誤的結論。內容涵蓋了線性回歸、分類、聚類、貝葉斯推理等機器學習技術，幫助你為每個專案選擇正確的演算法。有關硬體、基礎設施、分散式系統的結論為實務環境最佳化提供寶貴的參考指南。
‧利用敏捷方法聚焦於專案的小範圍與有效開發
‧以Python實務範例學習
‧由簡單的啟發開始，隨著資料管道的成熟而改善
‧以基本的資料視覺化技術展示成果
‧掌握線性廻歸、隨機森林、分類、群集、過適等關鍵機器學習技術
‧學習基本圖模型與貝葉斯推斷
‧認識機器學習模型中的關聯與因果