Ocena:
Książka zawiera przydatne informacje, ale ma problemy z jakością i słabą organizacją, przez co stanowi wyzwanie dla osób, które uczą się po raz pierwszy.
Zalety:Książka zawiera dobre informacje i w niektórych przypadkach została dostarczona w dobrym stanie. Jest przydatna dla zaawansowanych uczniów i została dostarczona szybko.
Wady:Jakość twardej okładki jest niska, a okładka łatwo się odkleja. Niektóre książki dotarły uszkodzone. Organizacja jest słaba, wprowadzając złożone tematy przed podstawowymi koncepcjami, co czyni ją nieodpowiednią dla początkujących.
(na podstawie 4 opinii czytelników)
Foundations of Statistics for Data Scientists: With R and Python
Foundations of Statistics for Data Scientists: With R and Python został zaprojektowany jako podręcznik do jedno- lub dwusemestralnego wprowadzenia do statystyki matematycznej dla studentów szkolących się na naukowców zajmujących się danymi. Jest to dogłębna prezentacja tematów z zakresu nauk statystycznych, z którymi każdy naukowiec zajmujący się danymi powinien być zaznajomiony, w tym rozkładów prawdopodobieństwa, opisowych i wnioskowych metod statystycznych oraz modelowania liniowego. Książka zakłada znajomość podstawowego rachunku różniczkowego, dzięki czemu prezentacja może skupić się na tym, "dlaczego to działa", a także "jak to zrobić". W porównaniu do tradycyjnych podręczników "statystyki matematycznej", książka kładzie mniejszy nacisk na teorię prawdopodobieństwa, a większy na wykorzystanie oprogramowania do implementacji metod statystycznych i przeprowadzania symulacji w celu zilustrowania kluczowych pojęć. Wszystkie analizy statystyczne w książce wykorzystują oprogramowanie R, z dodatkiem pokazującym te same analizy w Pythonie.
Kluczowe cechy:
⬤ Pokazuje elementy nauk statystycznych, które są ważne dla studentów, którzy planują zostać naukowcami zajmującymi się danymi.
⬤ Obejmuje bayesowskie i regularyzowane dopasowanie modeli (np. pokazując przykład przy użyciu lasso), klasyfikację i grupowanie oraz wdrażanie metod za pomocą nowoczesnego oprogramowania (R i Python).
⬤ Zawiera prawie 500 ćwiczeń.
Książka wprowadza również nowoczesne tematy, które zwykle nie pojawiają się w tekstach statystyki matematycznej, ale są bardzo istotne dla naukowców zajmujących się danymi, takie jak wnioskowanie bayesowskie, uogólnione modele liniowe dla odpowiedzi innych niż normalne (np. regresja logistyczna i modele loglinearne Poissona) oraz regularne dopasowywanie modeli. Prawie 500 ćwiczeń pogrupowano w działy "Analiza danych i zastosowania" oraz "Metody i koncepcje". Dodatki wprowadzają R i Python i zawierają rozwiązania dla ćwiczeń o numerach nieparzystych. Strona internetowa książki (http: //stat4ds. rwth-aachen. de/) zawiera rozszerzone dodatki R, Python i Matlab oraz wszystkie zestawy danych z przykładów i ćwiczeń.
