Wprowadzenie do uczenia statystycznego: Z aplikacjami w Pythonie

Opinie czytelników

Książka otrzymała mieszane recenzje, podkreślające jej przydatność w nauczaniu statystyki, szczególnie z wykorzystaniem Pythona. Podczas gdy wielu recenzentów chwaliło głębię treści i praktyczne spostrzeżenia, kwestie związane ze słabą oprawą i kontrolą jakości zepsuły wrażenia niektórych czytelników. Dodatkowo, krytyka dotyczyła sekcji Pythona, którą niektórzy uznali za przestarzałą i opartą na niepotrzebnych pakietach.

⬤ Doskonała głębia treści na temat statystyk, dzięki czemu nadaje się do samodzielnej nauki.
⬤ Wysokiej jakości twarda oprawa z kolorowymi wizualizacjami (jeśli otrzymano ją w odpowiednim stanie).
⬤ Praktyczne podejście z przykładami wykorzystującymi Pythona, dzięki czemu idealnie nadaje się do nauki o danych i analityki.
⬤ Dobry materiał wprowadzający, który unika przytłaczającej matematyki, atrakcyjny dla początkujących.
⬤ Dodatkowe zasoby pomocnicze dostępne online.

⬤ Kilku recenzentów otrzymało słabo oprawione lub uszkodzone egzemplarze książki.
⬤ Sekcja Pythona krytykowana za bycie przestarzałą, z poleganiem na niewygodnym pakiecie ISLP zamiast na powszechnych praktykach.
⬤ Niektóre egzemplarze zostały dostarczone w wersji czarno-białej, mimo że oczekiwano kolorowego druku, co prowadziło do nieporozumień i problemów z przejrzystością wizualną.
⬤ Problemy z jakością papieru i oprawy zgłaszane przez wielu użytkowników.

(na podstawie 19 opinii czytelników)

Oryginalny tytuł:

An Introduction to Statistical Learning: With Applications in Python

Zawartość książki:

An Introduction to Statistical Learning stanowi przystępny przegląd dziedziny uczenia statystycznego, niezbędnego zestawu narzędzi do nadawania sensu ogromnym i złożonym zbiorom danych, które pojawiły się w dziedzinach od biologii po finanse, marketing i astrofizykę w ciągu ostatnich dwudziestu lat. Niniejsza książka przedstawia niektóre z najważniejszych technik modelowania i przewidywania, wraz z odpowiednimi zastosowaniami.

Tematy obejmują regresję liniową, klasyfikację, metody ponownego próbkowania, podejścia oparte na kurczeniu się, metody oparte na drzewach, maszyny wektorów nośnych, klastrowanie, głębokie uczenie się, analizę przeżycia, wielokrotne testowanie i wiele innych. Do zilustrowania prezentowanych metod wykorzystano kolorowe grafiki i przykłady z życia wzięte. Książka ta skierowana jest zarówno do statystyków, jak i osób niebędących statystykami, którzy chcą wykorzystać najnowocześniejsze techniki uczenia statystycznego do analizy swoich danych.

Czterech autorów jest współautorami podręcznika An Introduction to Statistical Learning, With Applications in R (ISLR), który stał się podstawą programów studiów licencjackich i magisterskich na całym świecie, a także ważną książką referencyjną dla naukowców zajmujących się danymi. Jednym z kluczy do jej sukcesu było to, że każdy rozdział zawiera samouczek dotyczący implementacji analiz i metod przedstawionych w naukowym środowisku obliczeniowym R.

Jednak w ostatnich latach Python stał się popularnym językiem do nauki o danych, a zapotrzebowanie na alternatywę dla ISLR opartą na Pythonie rośnie. W związku z tym niniejsza książka (ISLP) obejmuje te same materiały, co ISLR, ale z laboratoriami zaimplementowanymi w Pythonie.

Laboratoria te będą przydatne zarówno dla nowicjuszy Pythona, jak i doświadczonych użytkowników.