Prawdopodobieństwo i statystyka w nauce o danych: Matematyka + R + Dane

Opinie czytelników

Książka jest dobrze przyjęta ze względu na praktyczne podejście do nauczania kodowania i pojęć statystycznych, dzięki czemu nadaje się zarówno do samodzielnej nauki, jak i jako podręcznik do kursów. Zapewnia przydatne ćwiczenia i jasne wyjaśnienia, zwłaszcza w nauce o danych i prawdopodobieństwie.

⬤ Skuteczność w samodzielnej nauce i nauczaniu.
⬤ Wszechstronny przegląd koncepcji statystycznych wraz z kodowaniem.
⬤ Dobra organizacja ćwiczeń (problemy matematyczne i obliczeniowe).
⬤ Jasne wyjaśnienia i praktyczne przykłady.
⬤ Drobne literówki, wskazujące na solidną edycję.

⬤ Niektóre przykłady mogą wydawać się oderwane od aplikacji.
⬤ Kilka zauważonych błędów typograficznych, choć w większości drobnych.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Probability and Statistics for Data Science: Math + R + Data

Zawartość książki:

Probability and Statistics for Data Science: Math + R + Data obejmuje „statystykę matematyczną” - rozkłady, wartość oczekiwaną, estymację itp. --ale traktuje frazę „Data Science” w tytule całkiem poważnie:

* Rzeczywiste zbiory danych są szeroko wykorzystywane.

* Cała analiza danych jest wspierana przez kodowanie R.

* Obejmuje wiele aplikacji Data Science, takich jak PCA, rozkłady mieszane, losowe modele grafów, ukryte modele Markowa, regresja liniowa i logistyczna oraz sieci neuronowe.

* Prowadzi studenta do krytycznego myślenia o tym „jak” i „dlaczego” statystyki oraz do „zobaczenia szerszego obrazu”.

* Nie jest zorientowany na „twierdzenia/dowody”, ale koncepcje i modele są przedstawione w matematycznie precyzyjny sposób.

Wymagania wstępne to rachunek różniczkowy, algebra macierzy i pewne doświadczenie w programowaniu.

Norman Matloff jest profesorem informatyki na Uniwersytecie Kalifornijskim w Davis, a wcześniej był tam profesorem statystyki. Jest członkiem rad redakcyjnych Journal of Statistical Software i The R Journal. Jego książka Statistical Regression and Classification: From Linear Models to Machine Learning otrzymała nagrodę Ziegel Award dla najlepszej książki recenzowanej w Technometrics w 2017 roku. Jest laureatem nagrody Distinguished Teaching Award przyznawanej przez jego uniwersytet.