Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python

روش های آماری بخش کلیدی علم داده هستند، با این حال تعداد کمی از دانشمندان داده آموزش آماری رسمی دارند. دوره ها و کتاب های آمار پایه به ندرت موضوع را از منظر علم داده پوشش می دهند.

ویرایش دوم این راهنمای محبوب مثال‌های جامعی را در پایتون اضافه می‌کند، راهنمایی‌های عملی در مورد استفاده از روش‌های آماری در علم داده ارائه می‌دهد،

به شما می‌گوید چگونه از سوء استفاده از آنها جلوگیری کنید، و به شما توصیه می‌کند که چه چیزی مهم است و چه چیزی نیست.

بسیاری از منابع علم داده از روش های آماری استفاده می کنند، اما فاقد دیدگاه آماری عمیق تر هستند. اگر با زبان های برنامه نویسی R یا Python آشنا هستید

و در معرض آمار قرار دارید، این مرجع سریع شکاف را در قالبی قابل دسترس و خوانا پر می کند.

Practical Statistics for Data Scientists

با این کتاب یاد خواهید گرفت:

• چرا تجزیه و تحلیل داده های اکتشافی یک مرحله اولیه کلیدی در علم داده است
• چگونه نمونه‌گیری تصادفی می‌تواند سوگیری را کاهش دهد و مجموعه داده با کیفیت بالاتری را حتی با داده‌های بزرگ به دست آورد
• چگونه اصول طراحی آزمایشی پاسخ های قطعی به سوالات می دهد
• نحوه استفاده از رگرسیون برای برآورد نتایج و تشخیص ناهنجاری ها
• تکنیک های طبقه بندی کلیدی برای پیش بینی اینکه یک رکورد به کدام دسته ها تعلق دارد
• روش های آماری یادگیری ماشینی که از داده ها “یاد می گیرند”.
• روش های یادگیری بدون نظارت برای استخراج معنا از داده های بدون برچسب.

by Peter Bruce (Author), Andrew Bruce (Author), Peter Gedeck (Author)

خرید کتاب Practical Statistics for Data Scientists از انتشارات کادن