Практическая статистика в data science. 50
- Время доставки: 7-10 дней
- Состояние товара: новый
- Доступное количество: 6
Покупая «Практическая статистика в data science. 50», вы можете быть уверены, что данный товар из каталога «Базы данных» вы получите в срок 5-7 дней после оплаты. Товар будет доставлен из Европы, проверен на целостность, иметь европейское качество.
Практическая статистика в науке о данных. 50 ключевых тем в R и Python. 2-е издание
Авторы: Питер Брюс, Эндрю Брюс, Питер Гедек
Издатель: Helion
Год публикации: 2021
Перевод: Кшиштоф Савка, Марта Данч-Вежховска
ISBN: 978-83 - 283-7427-0
Формат: 168x237
Переплет: мягкий
Страниц: 296
Книга новая
Цена обложки книги: 69,00 злотых > Вы найдете акционную цена на нашем аукционе!
Статистические методы — ключевой инструмент в науке о данных, однако лишь немногие аналитики данных прошли обучение по ним. Это может помешать им добиться хороших результатов. Понимание практических принципов статистики также оказывается важным для программистов R и Python, которые создают решения для обработки данных. Однако базовые курсы по статистике редко включают эту перспективу, а большинство учебников по статистике вообще не охватывают инструменты, полученные из информатики.
Это второе издание популярного учебника по статистике, предназначенного для специалистов по обработке данных. Они дополнены обширными примерами на Python и объяснением того, как использовать те или иные статистические методы в задачах науки о данных и как их не использовать. Основное внимание также уделялось тем статистическим вопросам, которые играют важную роль в науке о данных. Объясняется, какие понятия важны и полезны с этой точки зрения, а какие менее важны и почему. Важно отметить, что отдельные концепции и практические вопросы изложены в удобоваримой и понятной форме даже для людей, которые не привыкли пользоваться статистикой ежедневно.
В книгу входят, среди прочего:
- исследовательский анализ при предварительном изучении данных
- случайные выборки и качество больших наборов данных
- основы планирования экспериментов
- регрессия при оценке результаты и обнаружение аномалий
- статистическое машинное обучение
- обучение без учителя и важность несекретных данных