Практична статистика в data science. 50
- Час доставки: 7-10 днів
- Стан товару: новий
- Доступна кількість: 16
Оплачивая «Практическая статистика в data science. 50», вы можете быть уверены, что данное изделие из каталога «Базы данных» будет доставлено из Польши и проверено на целостность. В цене товара, указанной на сайте, учтена доставка из Польши. Внимание!!! Товары для Евросоюза, согласно законодательству стран Евросоюза, могут отличаться упаковкой или наполнением.
Практична статистика в науці про дані. 50 ключових тем у R і Python. 2-е видання
Автори: Пітер Брюс, Ендрю Брюс, Пітер Гедек
Видавництво: Геліон
Рік видання: 2021
Переклад: Krzysztof Sawka, Marta Danch-Wierzchowska
ISBN: 978-83 - 283-7427-0
Формат: 168x237
Палітурка: м'яка
Сторінок: 296
Книга нова
69,00 злотих ---> 43,47 злотих
Статистичні методи є ключовим інструментом у науці про дані, проте небагато аналітиків даних пройшли навчання з них. Це може ускладнити їм досягнення хороших результатів. Розуміння практичних принципів статистики також виявляється важливим для програмістів R і Python, які створюють рішення для обробки даних. Однак базові курси статистики рідко включають цю точку зору, а більшість підручників зі статистики взагалі не охоплюють інструменти, отримані з інформатики.
Це друге видання популярного підручника зі статистики, призначеного для спеціалістів із обробки даних. Вони доповнюються великими прикладами на Python і поясненням того, як використовувати певні статистичні методи в проблемах науки про дані та як їх не використовувати. У центрі уваги також були статистичні питання, які відіграють важливу роль у науці про дані. Пояснюється, які поняття важливі та корисні з цієї точки зору, а які менш важливі та чому. Важливо те, що окремі концепції та практичні питання представлені в легкій і зрозумілій формі навіть для людей, які не звикли щоденно користуватися статистикою.
У книзі, серед іншого, міститься:
- дослідницький аналіз у попередньому дослідженні даних
- випадкові вибірки та якість великих наборів даних
- основи планування експериментів
- регресія в оцінці результати та виявлення аномалій
- статистичне машинне навчання
- навчання без нагляду та важливість некласифікованих даних