Doing Data Science in R: Wprowadzenie dla badaczy społecznych

Opinie czytelników

Książka jest dobrze zorganizowanym wprowadzeniem do R i tidyverse, obejmującym modelowanie statystyczne i zaawansowane tematy. Jest odpowiednia zarówno dla naukowców społecznych, jak i przyrodników. Jednak formatowanie Kindle jest słabe, a niektórzy czytelnicy uważają, że brakuje w niej treści na temat nauki o danych satelitarnych.

⬤ Świetna i zwięzła treść
⬤ dobrze zorganizowane wprowadzenie do R i tidyverse
⬤ obejmuje różne techniki modelowania statystycznego
⬤ nadaje się zarówno dla naukowców społecznych, jak i przyrodniczych
⬤ może być używany jako dodatkowy tekst na kursach podyplomowych.

Problemy z formatowaniem Kindle (słaby rozmiar i pikselizacja równań i rysunków); brak skupienia się na nauce o danych satelitarnych.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Doing Data Science in R: An Introduction for Social Scientists

Zawartość książki:

To przystępne wprowadzenie do nauki o danych w R zawiera porady krok po kroku dotyczące korzystania z narzędzi i metod statystycznych do przeprowadzania analizy danych. Wprowadzając podstawy nauki o danych i R przed przejściem do bardziej zaawansowanych tematów, takich jak modele wielopoziomowe i modelowanie probabilistyczne ze Stanem, stopniowo buduje wiedzę i umiejętności.

Książka ta:

⬤ Koncentruje się na dostarczaniu praktycznych wskazówek dotyczących wszystkich aspektów, pomagając czytelnikom opanować narzędzia, oprogramowanie i metody statystyczne potrzebne do zapewnienia odpowiedniego rodzaju i poziomu analizy danych.

⬤ Analizuje podstawy nauki o danych i rozkłada zaangażowane procesy, koncentrując się na powiązaniu między nauką o danych a praktycznymi umiejętnościami z zakresu nauk społecznych.

⬤ Wprowadza R na samym początku i zawiera obszerne przykłady i kod R na każdym kroku, zapewniając studentom dostrzeżenie wartości R i jego związku z metodami, zapewniając jednocześnie praktyczną praktykę w oprogramowaniu. Zapewnia przykłady i zestawy danych z różnych dyscyplin i lokalizacji, demonstrując szerokie znaczenie, możliwe zastosowania i wpływ nauki o danych w naukach społecznych.