李家岩

．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。