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。

了解AI與資料科學的最佳入門書！
【學界、業界專業人士好評推薦】
國立高雄大學電機系教授及人工智慧研究中心顧問、前執行長｜吳志宏
Google機器學習開發專家 | 吳柏翰(Jerry Wu)
高雄大學特聘教授、財團法人人工智慧法律國際研究基金會執行長 | 張麗卿
翱翔智慧創辦人 | 張竣貿
Google語音助理技能開發者 | 游紹宏
中央研究院資訊創新科技研究中心主任及特聘研究員 | 黃彥男
（按姓氏筆畫排序）

上藤一郎
靜岡大學人文社會科學院教授。專業領域為統計學、科學史（統計學史、機率論史）。資料科學相關著作及譯作有：《資料科學入門：透過Excel學習如何蒐集、檢視、運用統計資料》（歐姆社，合著）、《用於調查與分析的統計：社會與經濟的資料科學》（丸善，合著）、《不用公式一看就懂的資料科學：大數據時代必備的資料素養》（歐姆社，譯作）等等（以上皆為暫譯）。

前言

第1章　何謂資料科學――資料與社會――
1-1　資料與社會
1）　我們的日常生活與資料
2）　資料化社會的到來
1-2　資料科學與資料科學家
1）　資料科學是一門定義因人而異的科學
2）　資料分析的4道工程
3）　資料科學家的工作

第2章　瞭解資料――資料分析的第一工程――
2-1　將資料分門別類
1）　調查資料與非調查資料
2）　大數據與非大數據
2-2　掌握資料的特徵
1）　變數與資料
2）　定量資料與定性資料
3）　個體資料與總體資料
2-3　準備資料
1）　透過調查蒐集資料
2）　透過網路蒐集資料
2-4　資料整形
1）　何謂資料整形
2）　完全資料與不完全資料
3）　離群值
4）　選擇偏誤

第3章　解讀資料――資料分析的第二工程――
3-1　總計資料並且視覺化
1）　掌握資料的分布
2）　各種圖表
3-2　歸納資料的資訊
1）　取得資料的資訊
2）　掌握單一變數的資料特徵
3）　找出2個變數的關係
4）　掌握多維資料的關係
5）　為了將結論一般化

第4章　分類資料――資料分析的第三工程――
4-1　分類相似者
1）　集群分析的概念
2）　運用集群分析進行分類
4-2　合併數個變數
1）　主成分分析的概念
2）　使用主成分分析來分類
4-3　分類定性資料
1）　數量化Ⅲ類的概念
2）　使用數量化Ⅲ類來分類

第5章　使用資料進行預測――資料分析的第四工程――
5-1　根據資料進行預測
1）　迴歸分析的概念
2）　使用迴歸分析進行預測
5-2　評估預測的好壞
1）　多元迴歸分析的概念
2）　好的迴歸模型
3）　各種迴歸診斷
5-3　預測定性資料
1）　數量化Ⅰ類
2）　邏輯斯迴歸

第6章　探討資料倫理――給資料化社會敲響警鐘――
6-1　何謂資料倫理
1）　資料倫理與資料化社會
2）　資訊倫理的4大原則與資料倫理的規範例子
3）　分析倫理
6-2　違反倫理事件簿
1）　得安穩事件
2）　統計不當事件

第7章　資料科學與AI――大數據帶來的資料革命――
7-1　機器學習的基礎
1）　機器學習、深度學習與AI
2）　資料準備
3）　演算法選擇
4）　參數調整
5）　選擇模型
7-2　人工神經網路與AI
1）　AI與資料科學的關係
2）　何謂人工神經網路？
3）　人工神經網路的構成要素

附錄　體驗資料科學
幫助各位更加瞭解資料科學的參考書籍
索引