．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。

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