Wprowadzenie do nauki o danych: Analiza danych i algorytmy predykcji z R

Opinie czytelników

Książka jest szczegółowym i kompleksowym przewodnikiem po wykorzystaniu R do nauki o danych, chwalonym za przejrzystość i dokładność, choć może nie być odpowiednia dla początkujących. Oferuje solidne podstawy w nowoczesnych obliczeniach z R, szczególnie dla osób z pewnym wcześniejszym doświadczeniem.

Bardzo szczegółowa i kompleksowa, kładzie nacisk na ważne tematy, jasne i dokładne wyjaśnienia, dobra dla średnio zaawansowanych i zaawansowanych użytkowników, zawiera interesujące studia przypadków i przykłady zastosowań, silny nacisk na nowoczesne techniki programowania w R, wysokiej jakości prezentacja i materiały.

Nie nadaje się jako wprowadzenie dla początkujących, brakuje jasnych wyjaśnień w niektórych obszarach, przykłady mogą być pomijane, struktura organizacyjna może być myląca, niektórzy użytkownicy doświadczyli uszkodzeń podczas wysyłki.

(na podstawie 11 opinii czytelników)

Oryginalny tytuł:

Introduction to Data Science: Data Analysis and Prediction Algorithms with R

Zawartość książki:

Wprowadzenie do nauki o danych: Data Analysis and Prediction Algorithms with R wprowadza pojęcia i umiejętności, które mogą pomóc w radzeniu sobie z rzeczywistymi wyzwaniami związanymi z analizą danych. Obejmuje pojęcia z zakresu prawdopodobieństwa, wnioskowania statystycznego, regresji liniowej i uczenia maszynowego. Pomaga również rozwinąć umiejętności takie jak programowanie w R, zarządzanie danymi, wizualizacja danych, tworzenie algorytmów predykcyjnych, organizacja plików za pomocą powłoki UNIX/Linux, kontrola wersji za pomocą Git i GitHub oraz przygotowywanie powtarzalnych dokumentów.

Ta książka jest podręcznikiem do pierwszego kursu nauki o danych. Wcześniejsza znajomość R nie jest konieczna, choć pewne doświadczenie w programowaniu może być pomocne. Książka podzielona jest na sześć części: R, wizualizacja danych, statystyki z R, porządkowanie danych, uczenie maszynowe i narzędzia zwiększające produktywność. Każda część składa się z kilku rozdziałów, które mogą być prezentowane jako jeden wykład.

Autor wykorzystuje motywujące studia przypadków, które realistycznie naśladują doświadczenie naukowca zajmującego się danymi. Zaczyna od zadawania konkretnych pytań i odpowiada na nie poprzez analizę danych, dzięki czemu koncepcje są poznawane jako sposób na udzielenie odpowiedzi na pytania. Przykładowe studia przypadków to: Wskaźniki morderstw w USA według stanów, samozgłoszona wysokość studentów, trendy w światowym zdrowiu i ekonomii, wpływ szczepionek na wskaźniki chorób zakaźnych, kryzys finansowy z lat 2007-2008, prognozowanie wyborów, budowanie drużyny baseballowej, przetwarzanie obrazu odręcznych cyfr i systemy rekomendacji filmów.

Koncepcje statystyczne używane do odpowiedzi na pytania studium przypadku są tylko krótko wprowadzone, więc uzupełnienie podręcznika prawdopodobieństwa i statystyki jest wysoce zalecane dla dogłębnego zrozumienia tych pojęć. Jeśli przeczytasz i zrozumiesz rozdziały oraz wykonasz ćwiczenia, będziesz przygotowany do nauki bardziej zaawansowanych pojęć i umiejętności potrzebnych do zostania ekspertem.

Kompletny podręcznik z rozwiązaniami jest dostępny dla zarejestrowanych instruktorów, którzy potrzebują tekstu do kursu.