Statystyka praktyczna w data science » książka
Statystyka praktyczna w data science
ISBN-13: 9788328930964 / Polski / broszurowa / 2025 / 296 str.
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie IIMetody statystyczne są kluczowym narzędziem w data science, mimo to niewielu analityków danych zdobyło wykształcenie w ich zakresie. Może im to utrudniać uzyskiwanie dobrych efektów. Zrozumienie praktycznych zasad statystyki okazuje się ważne również dla programistów R i Pythona, którzy tworzą rozwiązania dla data science. Kursy podstaw statystyki rzadko jednak uwzględniają tę perspektywę, a większość podręczników do statystyki w ogóle nie zajmuje się narzędziami wywodzącymi się z informatyki.To drugie wydanie popularnego podręcznika statystyki przeznaczonego dla analityków danych. Uzupełniono je o obszerne przykłady w Pythonie oraz wyjaśnienie, jak stosować poszczególne metody statystyczne w problemach data science, a także jak ich nie używać. Skoncentrowano się też na tych zagadnieniach statystyki, które odgrywają istotną rolę w data science. Wyjaśniono, które koncepcje są ważne i przydatne z tej perspektywy, a które mniej istotne i dlaczego. Co ważne, poszczególne koncepcje i zagadnienia praktyczne przedstawiono w sposób przyswajalny i zrozumiały również dla osób nienawykłych do posługiwania się statystyką na co dzień.W książce między innymi:analiza eksploracyjna we wstępnym badaniu danychpróby losowe a jakość dużych zbiorów danychpodstawy planowania eksperymentówregresja w szacowaniu wyników i wykrywaniu anomaliistatystyczne uczenie maszynoweuczenie nienadzorowane a znaczenie danych niesklasyfikowanychStatystyka: klasyczne narzędzia w najnowszych technologiach!
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie IIMetody statystyczne są kluczowym narzędziem w data science, mimo to niewielu analityków danych zdobyło wykształcenie w ich zakresie. Może im to utrudniać uzyskiwanie dobrych efektów. Zrozumienie praktycznych zasad statystyki okazuje się ważne również dla programistów R i Pythona, którzy tworzą rozwiązania dla data science. Kursy podstaw statystyki rzadko jednak uwzględniają tę perspektywę, a większość podręczników do statystyki w ogóle nie zajmuje się narzędziami wywodzącymi się z informatyki.To drugie wydanie popularnego podręcznika statystyki przeznaczonego dla analityków danych. Uzupełniono je o obszerne przykłady w Pythonie oraz wyjaśnienie, jak stosować poszczególne metody statystyczne w problemach data science, a także jak ich nie używać. Skoncentrowano się też na tych zagadnieniach statystyki, które odgrywają istotną rolę w data science. Wyjaśniono, które koncepcje są ważne i przydatne z tej perspektywy, a które mniej istotne i dlaczego. Co ważne, poszczególne koncepcje i zagadnienia praktyczne przedstawiono w sposób przyswajalny i zrozumiały również dla osób nienawykłych do posługiwania się statystyką na co dzień.W książce między innymi:analiza eksploracyjna we wstępnym badaniu danychpróby losowe a jakość dużych zbiorów danychpodstawy planowania eksperymentówregresja w szacowaniu wyników i wykrywaniu anomaliistatystyczne uczenie maszynoweuczenie nienadzorowane a znaczenie danych niesklasyfikowanychStatystyka: klasyczne narzędzia w najnowszych technologiach!
Czytaj nas na:
KrainaKsiazek.PL - Księgarnia Internetowa
