دانلود کتاب Probability and Statistics for Data Science: Math + R + Data (به فارسی: احتمال و آمار برای علوم داده: ریاضی + R + داده) نوشته شده توسط «Norman S. Matloff»
اطلاعات کتاب احتمال و آمار برای علوم داده: ریاضی + R + داده
موضوع اصلی: ریاضیات
نوع: کتاب الکترونیکی
ناشر: CRC Press
نویسنده: Norman S. Matloff
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 412 / 445
حجم فایل: 6.32 مگابایت
کد کتاب: 1138393290 , 9781138393295
توضیحات کتاب احتمال و آمار برای علوم داده: ریاضی + R + داده
احتمال و آمار برای علم داده: ریاضی + R + داده “آمار ریاضی” – توزیع‌ها، مقدار مورد انتظار، تخمین و غیره را پوشش می‌دهد، اما عبارت “علم داده” را در عنوان کاملا جدی می‌گیرد. :
* از مجموعه داده های واقعی به طور گسترده استفاده می شود.
* همه تجزیه و تحلیل داده ها توسط کدگذاری R پشتیبانی می شود.
* شامل بسیاری از کاربردهای علم داده، مانند PCA، توزیع مخلوط، مدل‌های نمودار تصادفی، مدل‌های مارکوف پنهان، رگرسیون خطی و لجستیک و شبکه‌های عصبی است.
* دانش آموز را به تفکر انتقادی در مورد “چگونه” و “چرا” آمار، و “تصویر بزرگ” هدایت می کند.
* نه ” قضیه/اثبات”محور است، اما مفاهیم و مدل‌ها به شیوه‌ای دقیق ریاضی بیان می‌شوند.
پیش‌نیازها عبارتند از حساب دیفرانسیل و انتگرال، مقداری جبر ماتریسی، و تجربه در برنامه‌نویسی.
>
نورمن ماتلوف استاد علوم کامپیوتر در دانشگاه کالیفرنیا، دیویس، و قبلاً استاد آمار در آنجا بود. او عضو هیئت تحریریه مجله نرم افزار آماری و مجله R است. کتاب «رگرسیون و طبقه‌بندی آماری: از مدل‌های خطی تا یادگیری ماشین» او برنده جایزه زیگل برای بهترین کتاب بررسی‌شده در «تکنومتریکس» در سال ۲۰۱۷ بود. او دریافت‌کننده جایزه آموزشی برجسته دانشگاهش است.
Probability and Statistics for Data Science: Math + R + Data covers “math stat”—distributions, expected value, estimation etc.—but takes the phrase “Data Science” in the title quite seriously:
* Real datasets are used extensively.
* All data analysis is supported by R coding.
* Includes many Data Science applications, such as PCA, mixture distributions, random graph models, Hidden Markov models, linear and logistic regression, and neural networks.
* Leads the student to think critically about the “how” and “why” of statistics, and to “see the big picture.”
* Not “theorem/proof”-oriented, but concepts and models are stated in a mathematically precise manner.
Prerequisites are calculus, some matrix algebra, and some experience in programming.
Norman Matloff is a professor of computer science at the University of California, Davis, and was formerly a statistics professor there. He is on the editorial boards of the Journal of Statistical Software and The R Journal. His book Statistical Regression and Classification: From Linear Models to Machine Learning was the recipient of the Ziegel Award for the best book reviewed in Technometrics in 2017. He is a recipient of his university’s Distinguished Teaching Award.
دانلود کتاب «احتمال و آمار برای علوم داده: ریاضی + R + داده»
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.