Ocena:
Książka otrzymała mieszane recenzje, a użytkownicy chwalili jej jasne wyjaśnienia metod statystycznych dla uczenia maszynowego, ale krytykowali jej brak głębi w teorii statystycznej i przykładach. Niektórzy uznali ją za pomocną dla początkujących, podczas gdy inni uznali ją za niewartą swojej ceny.
Zalety:⬤ Jasno wyjaśnia techniki statystyczne dla uczenia maszynowego.
⬤ Pomocne przykłady kodu Python.
⬤ Dobra dla początkujących z pewną wiedzą.
⬤ Obejmuje szeroki zakres tematów w zwięzły sposób.
⬤ Brak szczegółowych wyjaśnień w rozdziałach poświęconych statystyce.
⬤ Niektóre formuły mogą być niepoprawne lub mylące.
⬤ Nie nadaje się dla osób szukających kompleksowego przewodnika z wieloma przykładami.
⬤ Uważany za zbyt drogi w stosunku do zawartości.
(na podstawie 4 opinii czytelników)
Statistics for Machine Learning: Implement Statistical methods used in Machine Learning using Python (English Edition)
Praktyczny przewodnik, który pomoże ci zrozumieć statystyczne podstawy każdego problemu związanego z uczeniem maszynowym.
Kluczowe cechy
⬤ Rozwija koncepcyjne i matematyczne zrozumienie statystyki.
⬤ Zapoznanie się z aplikacjami statystycznymi w Pythonie.
⬤ Dowiedz się, jak przeprowadzać testowanie hipotez w statystyce.
⬤ Zrozumienie, dlaczego statystyka jest ważna w uczeniu maszynowym.
⬤ Dowiedz się, jak przetwarzać dane w Pythonie.
Opis
Ta książka szczegółowo omawia koncepcje statystyczne wraz z ich zastosowaniami w Pythonie. Książka rozpoczyna się od wprowadzenia do statystyki i przechodzi do omówienia podstawowych pojęć statystyki opisowej, takich jak średnia, mediana, moda itp. Następnie poznasz koncepcję prawdopodobieństwa i przyjrzysz się różnym typom rozkładów prawdopodobieństwa. Następnie przyjrzymy się szacunkom parametrów dla nieznanych parametrów obecnych w populacji i szczegółowo przyjrzymy się zmiennym losowym, które są wykorzystywane do zapisywania wyników eksperymentu w statystyce. Następnie zbadamy jedną z najważniejszych dziedzin statystyki - testowanie hipotez, a następnie zbadamy różne rodzaje testów używanych do sprawdzania naszych hipotez. Ostatnia część naszej książki skupi się na tym, jak można przetwarzać dane za pomocą Pythona, niektórych elementach statystyk nieparametrycznych i wreszcie na wprowadzeniu do uczenia maszynowego.
Czego się nauczysz
⬤ Zrozumieć podstawy statystyki.
⬤ Dowiesz się więcej o statystyce opisowej.
⬤ Poznasz i nauczysz się zaawansowanych technik statystycznych.
⬤ Dowiesz się, jak stosować koncepcje statystyczne w Pythonie.
⬤ Zrozumieć ważne pakiety Pythona dla statystyki i uczenia maszynowego.
Dla kogo jest ta książka
Ta książka jest przeznaczona dla każdego, kto chce zrozumieć statystykę i jej zastosowanie w uczeniu maszynowym. Ta książka pomoże ci zrozumieć matematykę stojącą za koncepcjami statystycznymi i aplikacjami wykorzystującymi język Python. Posiadanie praktycznej znajomości języka Python jest warunkiem wstępnym.
Spis treści
1. Wprowadzenie do statystyki.
2. Statystyka opisowa.
3. Prawdopodobieństwo.
4. Zmienne losowe.
5. Szacowanie parametrów.
6. Testowanie hipotez.
7. Analiza wariancji.
8. Regresja.
9. Statystyki nieparametryczne.
10. Analiza danych przy użyciu Pythona.
11. Wprowadzenie do uczenia maszynowego.
O Autorach
Himanshu Singh jest liderem technologii AI w Legato Healthcare (firma Anthem Inc.). Ma około 7 lat doświadczenia w dziedzinie uczenia maszynowego i sztucznej inteligencji. Himanshu jest autorem trzech książek na temat uczenia maszynowego i z zamiłowania jest trenerem. Wykłada gościnnie w różnych instytutach, takich jak Narsee Monjee Institute of Management Studies, IMT, Vignana Jyothi Institute of Management.
Profil LinkedIn https: //www.linkedin.com/in/himanshu-singh-2264a350/.
Linki do bloga https: //medium.com/@himanshuit3036.
Profil na Facebooku https: //www.facebook.com/silli23.
