前言

本書醞釀已久，走筆至此，不敢說是完美，但總算告一段落了！大數據分析是一個寬闊迷人的交叉學科領域，至少包括計算機科學、統計學與運籌學，讓我到現在還不知道如何走出來。任何跨領域的新興學科，其實很少有人是專家，而我只是眾多對大數據充滿興趣的研究者中的一員。

知識探索的過程有時就像充滿驚奇變化的自助旅行一樣，抓住重要的基本方向，例如大數據分析背后的數學模型與計算機模型，先理論后實踐，不斷地相互交叉驗證，其他就順勢而為，且戰且走，享受意外的收獲了。關于數據科學工具的采用，我們經歷了R語言因統計機器學習而走紅，Python語言因深度學習而興起的過程，甚至要思考何時擁抱運算效率更好的Julia語言。就數據領域而言，氣象、交通、社群網絡、電子商務、金融科技、物理化學、制造技術、農漁養殖、綠能發電、環境輻射、生物醫學等，大數據研究永無止境。

道是本，術是末，因為物有本末，事有終始，知所先后，則近道矣，所以我們“重道輕術”了。但道是靈，術是體，術是道的具體實現，是看得見、摸得著的規律，也算是道的一部分，所以我們得“從術悟道”了。無論如何，筆者建議大數據分析的學習過程避免昨非今是、有我無你的文人相輕式學習。重視與慎選優質靈活工具，不斷地動手探索嘗試，并從失敗中積累經驗，努力思索跨領域的源頭，方能邁向術道兼修的至高境界。

本書特色：

·　文字說明、程序代碼與執行結果等交叉呈現，有助于閱讀理解。

·　提供來自不同領域的數據處理與分析范例。

·　同時掌握數據分析兩大主流工具——R與Python。

·　凸顯第四代與第三代程序語言的不同之處。

·　深入淺出地介紹統計機器學習理論與實踐。

大數據分析人才需要具備的特質是“謙卑與學習、固本但跨域”，筆者希望通過本書分享這幾年積累的學習方向：一數據、二工具、三模型。一心向著數據理解的根本要務前進，精通至少兩種彈性的分析工具（R與Python），掌握概率統計、機器學習與運籌學等三大類模型，大步邁向數據驅動的智能決策新紀元。

本書的完成首先要感謝家人們的支持與協助，讓我無后顧之憂，專心寫作與編程。工作單位臺北商業大學信息與決策科學研究所提供良好的研究環境，讓我這幾年在大數據領域鉆研。稿件整理與校閱工作多是在半年休假研究期間完成的，新加坡國立大學商學院分析與作業學系，以及南京理工大學經濟管理學院，為我提供了很好的寫作與住宿環境。最后，筆者才疏學淺，校稿期間一再發現許多誤謬、疏漏、錯置與不嚴謹之處，雖已努力改進，一定還有未竟之處，敬請廣大讀者給予建議與斧正。

鄒慶士

2021年1月于臺北市