Praktinė statistika duomenų mokslininkams: 50+ esminių sąvokų naudojant R ir Python

Statistiniai metodai yra svarbi duomenų mokslo dalis, tačiau nedaug duomenų mokslininkų turi formalių statistinių žinių.. Pagrindinių statistikos kursų ir knygų metu retai nagrinėjama tema iš duomenų mokslo perspektyvos.. Šio populiaraus vadovo antrajame leidime pateikiami išsamūs pavyzdžiai Python kalba, pateikiamos praktinės rekomendacijos, kaip taikyti statistinius metodus duomenų mokslui, paaiškinama, kaip išvengti jų netinkamo naudojimo, ir patariama, kas yra svarbu, o kas ne.

Daugelyje duomenų mokslo išteklių yra statistinių metodų, tačiau trūksta gilesnės statistinės perspektyvos. Jei esate susipažinę su R arba Python programavimo kalbomis ir turite šiek tiek žinių statistikos srityje, šis greitasis vadovas prieinamu ir lengvai skaitomu formatu padeda užpildyti spragas.

Su šia knyga išmoksite:

Kodėl tyrinėjamoji duomenų analizė yra pagrindinis preliminariai žingsnis duomenų moksluose

Kaip atsitiktinė atranka gali sumažinti šališkumą ir užtikrinti aukštesnės kokybės duomenų rinkinį, net ir naudojant didelius duomenis

Kaip eksperimentinio dizaino principai suteikia galutinius atsakymus į klausimus

Kaip naudoti regresiją rezultatams prognozuoti ir anomalijoms aptikti

Pagrindiniai klasifikavimo metodai, skirti prognozuoti, prie kurių kategorijų priklauso įrašas

Statistiniai mašininio mokymosi metodai, kurie „mokosi“ iš duomenų

Priežiūros neturintys mokymosi metodai reikšmei išgauti iš nepažymėtų duomenų

apie autorių

Peter Bruce yra „Statistics.com“ statistikos švietimo instituto įkūrėjas ir vyriausiasis akademinis vadovas. Šis institutas siūlo apie 80 statistikos ir analitikos kursų, kurių maždaug pusė yra skirta duomenų mokslininkams.. Jis yra parašęs arba bendraautoris kelių knygų statistikos ir analitikos srityse, o bakalauro laipsnį įgijo Prinstono universitete, magistro laipsnius – Harvardo ir Merilendo universitetuose.

^

Andrew Bruce, „Amazon“ pagrindinis mokslininkas, turi daugiau nei 30 metų patirties statistikos ir duomenų mokslų srityse akademinėje, vyriausybinėje ir verslo aplinkoje.. „Applied Wavelet Analysis with S-PLUS“ bendraautorius, jis įgijo bakalauro laipsnį Prinstono universitete ir daktaro laipsnį statistikos srityje Vašingtono universitete.

^

Peteris Gedeckas, vyresnysis duomenų mokslininkas įmonėje Collaborative Drug Discovery, specializuojasi mašininio mokymosi algoritmų kūrime, siekiant prognozuoti vaistų kandidatų biologines ir fizikochemines savybes.. „Data Mining for Business Analytics“ bendraautoris, jis įgijo chemijos daktaro laipsnį Erlangeno-Niurnbergo universitete Vokietijoje ir matematikos daktaro laipsnį Fernuniversität Hagen, Vokietijoje.