Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 853 głosach.
Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python
Metody statystyczne są kluczową częścią nauki o danych, ale niewielu naukowców zajmujących się danymi ma formalne szkolenie statystyczne. Kursy i książki na temat podstawowych statystyk rzadko obejmują temat z perspektywy nauki o danych. Drugie wydanie tego popularnego przewodnika dodaje kompleksowe przykłady w Pythonie, dostarcza praktycznych wskazówek dotyczących stosowania metod statystycznych w nauce o danych, mówi, jak uniknąć ich niewłaściwego użycia i daje porady na temat tego, co jest ważne, a co nie. Wiele zasobów dotyczących nauki o danych zawiera metody statystyczne, ale brakuje im głębszej perspektywy statystycznej. Jeśli jesteś zaznajomiony z językami programowania R lub Python i masz pewien kontakt ze statystyką, ta krótka informacja wypełnia lukę w przystępnym, czytelnym formacie. Z tej książki dowiesz się:
⬤ Dlaczego eksploracyjna analiza danych jest kluczowym wstępnym krokiem w nauce o danych.
⬤ W jaki sposób losowe pobieranie próbek może zmniejszyć stronniczość i zapewnić wyższą jakość zbioru danych, nawet w przypadku dużych zbiorów danych.
⬤ W jaki sposób zasady projektowania eksperymentalnego pozwalają uzyskać ostateczne odpowiedzi na pytania.
⬤ Jak używać regresji do szacowania wyników i wykrywania anomalii.
⬤ Kluczowe techniki klasyfikacji do przewidywania, do której kategorii należy rekord.
⬤ Statystyczne metody uczenia maszynowego, które "uczą się" na podstawie danych.
⬤ Nienadzorowane metody uczenia się do wydobywania znaczenia z nieoznakowanych danych.
