Probability for Data Scientists
Probability for Data Scientists zapewnia studentom matematycznie solidne, ale przystępne wprowadzenie do teorii i zastosowań prawdopodobieństwa. Studenci dowiadują się, w jaki sposób teoria prawdopodobieństwa wspiera statystykę, naukę o danych i teorię uczenia maszynowego, umożliwiając naukowcom wyjście poza zwykłe opisy danych do wnioskowania o określonych populacjach.
Książka podzielona jest na dwie części. Część I wprowadza czytelników w podstawowe definicje, twierdzenia i metody w kontekście dyskretnych przestrzeni prób. Omówiono w niej pochodzenie matematycznych badań nad prawdopodobieństwem, główne koncepcje współczesnej teorii prawdopodobieństwa, jedno- i dwuwymiarowe dyskretne modele prawdopodobieństwa oraz rozkład wielomianowy.
Część II opiera się na wiedzy przekazanej w części I, aby przedstawić studentom odpowiednie pomysły w kontekście ciągłych przestrzeni prób. Analizuje modele dla pojedynczych i wielu ciągłych zmiennych losowych oraz zastosowanie twierdzeń o prawdopodobieństwie w statystyce.
Probability for Data Scientists skutecznie wprowadza studentów w kluczowe koncepcje prawdopodobieństwa i pokazuje, w jaki sposób niewielki zestaw metodologii można zastosować do wielu kontekstowo niepowiązanych problemów. Książka doskonale nadaje się na kursy statystyki, nauki o danych, teorii uczenia maszynowego lub dowolny kurs z naciskiem na prawdopodobieństwo. W każdym rozdziale znajdują się liczne ćwiczenia, z których niektóre zawierają kod oprogramowania R do przeprowadzania eksperymentów ilustrujących prawa prawdopodobieństwa.
Juana Sanchez jest starszym wykładowcą na Wydziale Statystyki Uniwersytetu Kalifornijskiego w Los Angeles i redaktorem DSS Journal of Statistics Education. Uzyskała tytuł doktora na Uniwersytecie Waszyngtońskim w St. Louis w stanie Missouri, a jej zainteresowania badawcze obejmują wskaźniki statystyczne, statystykę wielowymiarową, edukację STEM i szeregi czasowe.
