聯合推薦
國立高雄科技大學講座教授/逢甲大學講座教授/國立中興大學前副校長 周至宏
國立臺灣大學財務金融系教授兼管理學院院長 胡星陽
國立成功大學資訊工程學系教授/中華民國人工智慧學會理事長 高宏宇
華邦電子(股)公司總經理 陳沛銘
台灣人工智慧學校校務長 蔡明順
台達電子機電事業群總經理 蔡清雄博士
國立成功大學講座教授/智慧製造研究中心主任/中華民國自動化科技學會前理事長 鄭芳田
國立清華大學講座教授/科技部人工智慧製造系統研究中心主任/中國工業工程學會理事長 簡禎富
本書特色
.提供嚴謹的數據科學分析架構,強調預測與決策兼具的分析
本書整合「數據科學」與「決策科學」的思維架構,以五階段構析:敘述性構析、診斷性構析、預測性構析、處方性構析、自動性構析
,從點、線、連結到面的整體系統觀。從發現對的問題、找到重要因子、建構因果關係、連結到製造現場的決策、資源與風險,以達成
前瞻性決策。
.介紹完整的數據科學基礎與進階學理,以常見的製造實務議題貫穿
本書以統計與最佳化的思維說明了監督、非監督、強化學習與元啟發式演算法等理論,並探討製造實務常見的分析議題,如特徵挑選、
維度縮減、特徵工程、數據增強、數據不平衡、故障預測與健康管理、超參數最佳化、概念漂移等進階方法的應用。
.透過自適性調整提供適宜的系統決策
本書說明開採與探索、預測與解釋、集成學習、超參數、多目標、資源配置等議題,說明如何設計自適性演算法,考慮模型的適應性與
擴充性,以提供合宜的系統運算決策。
第 1 章 製造數據科學
第 2 章 製造系統分析與管理
第 3 章 數據科學基礎與模型評估
第 4 章 數據科學分析架構與系統運算決策
第 5 章 數據預處理與製造數據特性
第 6 章 線性分類器
第 7 章 無母數迴歸與分類
第 8 章 決策樹與集成學習
第 9 章 特徵挑選與維度縮減
第10章 類神經網路與深度學習
第11章 集群分析
第12章 特徵工程、數據增強與數據平衡
第13章 故障預測與健康管理
第14章 可解釋人工智慧
第15章 概念漂移
第16章 元啟發式演算法
第17章 強化學習
附錄_共111頁(請至補充資料下載)
附錄A 線性迴歸
附錄B 支持向量機
附錄C 統計製程管制與先進製程控制
附錄D 超參數最佳化
李家岩
學歷:Texas A&M University工業與系統工程博士、國立清華大學工業工程與工程管理學系碩士
現職:國立臺灣大學資訊管理學系暨研究所教授、科技部工業工程與管理學門子學門召集人、中國工業工程學會秘書長
經歷:國立成功大學製造資訊與系統研究所教授兼所長、國立成功大學工學院工程管理碩士在職專班教授
洪佑鑫
學歷:國立成功大學製造資訊與系統研究所碩士
現職:國立臺灣大學資訊管理學系暨研究所博士生
經歷:國立臺灣大學資訊管理學系暨研究所專任研究助理、國立成功大學製造資訊與系統研究所專案研究助理