Estatística prática para cientistas de dados: 50 conceitos essenciais

دانلود کتاب Estatística prática para cientistas de dados: 50 conceitos essenciais

50000 تومان موجود

کتاب آمار عملی برای دانشمندان داده: 50 مفهوم اساسی نسخه زبان اصلی

دانلود کتاب آمار عملی برای دانشمندان داده: 50 مفهوم اساسی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 12


توضیحاتی در مورد کتاب Estatística prática para cientistas de dados: 50 conceitos essenciais

نام کتاب : Estatística prática para cientistas de dados: 50 conceitos essenciais
ویرایش : 1 ed.
عنوان ترجمه شده به فارسی : آمار عملی برای دانشمندان داده: 50 مفهوم اساسی
سری :
نویسندگان : ,
ناشر : Alta Books
سال نشر : 2019
تعداد صفحات : 392 [378]
ISBN (شابک) : 855080603X , 9788550806037
زبان کتاب : Portuguese
فرمت کتاب : pdf
حجم کتاب : 22 Mb



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :




روش های آماری بخش مهمی از علم داده هستند. با این حال، تعداد کمی از دانشمندان داده پیشینه آماری دارند.

دوره‌ها و کتاب‌های مربوط به آمار پایه به ندرت موضوعات را از دیدگاه علم داده پوشش می‌دهند.

این راهنمای عملی نحوه به کارگیری روش‌های آماری مختلف در علم داده را توضیح می‌دهد، به شما می‌آموزد که چگونه از سوءاستفاده از آن‌ها اجتناب کنید، و در مورد آنچه مهم است و چه چیزی مهم نیست توصیه می‌کند.

< p> بسیاری از منابع علم داده از روش های آماری استفاده می کنند اما فاقد دیدگاه آماری عمیق هستند. اگر با زبان برنامه نویسی R آشنا هستید و دانش آماری دارید، این راهنما پل را آسان و قابل دسترس می کند.

با این کتاب، یاد خواهید گرفت:< /span>

span>

  • چرا تجزیه و تحلیل داده های اکتشافی یک گام اولیه مهم در علم داده است
  • < span>چگونه نمونه‌گیری تصادفی می‌تواند سوگیری را کاهش دهد و منجر به مجموعه داده‌های با کیفیت بالاتر، حتی در داده‌های بزرگ شود
  • چگونه اصول طراحی تجربی به پاسخ های قطعی منجر می شود
  • چگونه از رگرسیون برای تخمین نتایج و تشخیص ناهنجاری ها استفاده کنیم
  • < li>تکنیک های طبقه بندی کلیدی برای پیش بینی اینکه یک رکورد متعلق به کدام دسته است
  • یادگیری ماشین آماری روش هایی که با داده ها "یاد می گیرند"
  • روش های یادگیری بدون نظارت برای استخراج معنا از داده های بدون برچسب

" این کتاب فقط یک کتاب درسی آمار کالج یا یک کتابچه راهنمای یادگیری ماشین نیست.

خیلی بهتر است: ارتباط بین مفید را انجام می دهد. اصطلاحات و اصول آماری و اصطلاحات و تمرین کاوش داده ها، با توضیحات واضح و مثال های فراوان.

این کتاب مرجع شگفت انگیزی برای مبتدیان و پیشکسوتان علم داده است. ” —Galit Shmueli نویسنده اصلی مجموعه‌های پرفروش داده‌کاوی برای تجزیه و تحلیل کسب‌وکار و استاد مسند در دانشگاه ملی Tsing Hua، تایوان



توضیحاتی در مورد کتاب به زبان اصلی :


Métodos estatísticos são uma parte crucial da ciência de dados; ainda assim, poucos cientistas de dados têm formação estatística.

Os cursos e livros sobre estatística básica raramente abordam os tópicos sob a perspectiva da ciência de dados.

Este guia prático explica como aplicar diversos métodos estatísticos em ciência de dados, ensina a evitar seu mau uso e aconselha sobre o que é importante e o que não é.

Muitos recursos da ciência de dados incorporam métodos estatísticos, mas carecem de uma perspectiva estatística aprofundada. Se você está familiarizado com a linguagem de programação R e tem algum conhecimento estatístico, este guia fará a ponte de forma fácil e acessível.

Com este livro, você aprenderá:

  • Por que a análise exploratória de dados é um passo prévio importante na ciência de dados
  • Como a amostragem aleatória pode reduzir o viés e resultar um conjunto de dados de maior qualidade, mesmo em big data
  • Como os princípios do design experimental resultam respostas definitivas
  • Como usar regressão para estimar resultados e detectar anomalias
  • Principais técnicas de classificação para prever a quais categorias um registro pertence
  • Métodos de aprendizado de máquina estatístico que “aprendem” com os dados
  • Métodos de aprendizado não supervisionado para extração de significado de dados não rotulados

“ Este livro não é só mais um livro universitário de estatística ou um manual de aprendizado de máquina.

É muito melhor: ele faz a conexão entre termos e princípios estatísticos úteis e os jargões e a prática da exploração de dados, com explicações clarase muitos exemplos.

Este livro é uma referência incrível para iniciantes e veteranos da ciência de dados.” ―Galit Shmueli Principal autora da série best-seller Data Mining for Business Analytics e professora titular na National Tsing Hua University, Taiwan




پست ها تصادفی