پایگاه های داده

آمار عملی برای دانشمندان داده: بیش از 50 مفهوم اساسی با استفاده از R و Python

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

دانلود کتاب Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python (به فارسی: آمار عملی برای دانشمندان داده: بیش از 50 مفهوم اساسی با استفاده از R و Python) نوشته شده توسط «Peter Bruce – Andrew Bruce – Peter Gedeck»

اطلاعات کتاب آمار عملی برای دانشمندان داده: بیش از 50 مفهوم اساسی با استفاده از R و Python

موضوع اصلی: کامپیوتر – پایگاه داده

نوع: کتاب الکترونیکی

ناشر: O’Reilly Media

نویسنده: Peter Bruce – Andrew Bruce – Peter Gedeck

زبان: english

فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2020

تعداد صفحه: 368

حجم فایل: 8.91 مگابایت

کد کتاب: 149207294X , 9781492072942

توضیحات کتاب آمار عملی برای دانشمندان داده: بیش از 50 مفهوم اساسی با استفاده از R و 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 بکارگیری روش‌های آماری در علم داده ارائه می‌دهد، به شما می‌گوید چگونه از سوء استفاده از آنها جلوگیری کنید، و توصیه‌هایی در مورد آنچه مهم است و چه چیزی نیست به شما ارائه می‌دهد.

بسیاری. منابع علم داده شامل روش های آماری هستند اما فاقد دیدگاه آماری عمیق تر هستند. اگر با زبان های برنامه نویسی R یا Python آشنایی دارید و در معرض آمار و ارقام هستید، این مرجع سریع شکاف را در قالبی قابل دسترسی و خواندنی پر می کند.

با این کتاب، خواهید آموخت:

چرا تجزیه و تحلیل داده های اکتشافی یک مرحله مقدماتی کلیدی در علم داده است
چگونه نمونه گیری تصادفی می تواند سوگیری را کاهش دهد و مجموعه داده با کیفیت بالاتری را حتی با داده های بزرگ به دست آورد
چگونه اصول طراحی آزمایشی نتیجه قطعی می دهد پاسخ به سوالات
نحوه استفاده از رگرسیون برای تخمین نتایج و تشخیص ناهنجاری ها
تکنیک های طبقه بندی کلیدی برای پیش بینی اینکه یک رکورد متعلق به کدام دسته است
روش های یادگیری ماشین آماری که از داده ها “یاد می گیرند”
روش های یادگیری بدون نظارت برای استخراج معنا از داده های بدون برچسب

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

دانلود کتاب «آمار عملی برای دانشمندان داده: بیش از 50 مفهوم اساسی با استفاده از R و Python»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان