製造數據科學

．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。

李家岩、洪佑鑫

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