Практическая статистика в науке даты. 50 ключевых вопросов в R и Python. Издание II

Питер Брюс, Эндрю Брюс, Питер Гедек

Статистические методы являются ключевым инструментом в дату науки, однако немногие аналитики данных получили образование в их объеме. Это может помешать им получить хорошие эффекты. Понимание практических принципов статистики также оказывается важным для программистов R и Python, которые создают решения для науки о данных. Основы статистики, однако, редко учитывают эту перспективу, и большинство учебников по статистике вообще не касаются инструментов, полученных из информатики.

Это второе издание учебника по популярной статистике, предназначенного для аналитиков данных. Они были дополнены обширными примерами в Python и объяснением того, как использовать индивидуальные статистические методы в задачах по науке о данных, и как не использовать их. Статистика, которая играет важную роль в науке о данных, также были сосредоточены на этих вопросах. Было объяснено, какие понятия важны и полезны с этой точки зрения, а какие менее важны и почему. Важно отметить, что отдельные концепции и практические проблемы представлены усвождаемым и понятным способом для людей, которые ненавидят использовать статистику каждый день.

В книге, среди прочего:

• Анализ исследователей в исходном исследовании данных
• Эксперименты
• Регрессия в оценке результатов и обнаружения аномалий
• Статистическое машинное обучение
• Понимание и последних данных. Технологии!

  О авторах он является экспертом в области обучения статистики. Он управляет Институтом статистического образования, где он предлагает сотни курсов, рассмотренных ученым.

  Доктор Эндрю Брюс является основным аналитиком в Amazon. В течение тридцати лет он занимался статистикой и наукой о данных, разрабатывая решения проблем со многими отраслями. Создает алгоритмы машинного обучения, чтобы предсказать свойства веществ, составляющих потенциальные лекарства.

  Table of contents:

  • preface

    Convention used in this book ordered data

    for deepening knowledge

    Stabelarized data

    data frames and indexes

    unstable data structures

    for deepening knowledge

    measures of position

    average

    median and estimators and estimators Resistant

    Draw values ​​​​

    Example: Miara of the position for the size of the population and the murder indicator

    to deepen knowledge

    measures of dispersion

    standard deviation and related estimators

    estimators based on percentages

    , чтобы углубить знание

    Тест на распределение данных

    процентиль и ящики

    Таблица частоты и гистограммы

    Оценки и плотность диаграмм распределения

    p>

    Вероятность

    для углубления знаний

    Корреляция

    точечный график

    для углубления знаний

    Изучение двух или более переменных.