ODBIERZ TWÓJ BONUS :: »

Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python. 2nd Edition (ebook)(audiobook)(audiobook)Książka w języku angielskim

Okładka książki/ebooka Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python. 2nd Edition

Okładka książki Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python. 2nd Edition

Okładka książki Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python. 2nd Edition

Okładka książki Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python. 2nd Edition

Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
368
2w1 w pakiecie:
     ePub
     Mobi

Ebook

229,00 zł
194,65 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Statistical methods are a key part of data science, yet few data scientists have formal statistical training. Courses and books on basic statistics rarely cover the topic from a data science perspective. The second edition of this popular guide adds comprehensive examples in Python, provides practical guidance on applying statistical methods to data science, tells you how to avoid their misuse, and gives you advice on what’s important and what’s not.

Many data science resources incorporate statistical methods but lack a deeper statistical perspective. If you’re familiar with the R or Python programming languages and have some exposure to statistics, this quick reference bridges the gap in an accessible, readable format.

With this book, you’ll learn:

  • Why exploratory data analysis is a key preliminary step in data science
  • How random sampling can reduce bias and yield a higher-quality dataset, even with big data
  • How the principles of experimental design yield definitive answers to questions
  • How to use regression to estimate outcomes and detect anomalies
  • Key classification techniques for predicting which categories a record belongs to
  • Statistical machine learning methods that "learn" from data
  • Unsupervised learning methods for extracting meaning from unlabeled data

O autorach

3 Peter Bruce, Andrew Bruce, Peter Gedeck

Peter Bruce jest ekspertem w dziedzinie nauczania statystyki. Prowadzi Institute for Statistics Education, gdzie oferuje setki kursów skierowanych między innymi do naukowców. 
 

Dr Andrew Bruce jest głównym analitykiem w Amazonie. Od trzydziestu lat zajmuje się statystyką i nauką o danych, opracowując rozwiązania problemów z wielu branż. 
 

Dr Peter Gedeck jest badaczem w Collaborative Drug Discovery. Tworzy algorytmy uczenia maszynowego do przewidywania właściwości substancji stanowiących potencjalne leki. 

Zamknij

Wybierz metodę płatności