Fondamenti di statistica per scienziati dei dati: Con R e Python

Recensioni dei lettori

Il libro fornisce informazioni utili, ma soffre di problemi di qualità e di scarsa organizzazione, che lo rendono difficile per chi si avvicina per la prima volta al mondo del lavoro.

Il libro contiene buone informazioni e, in alcuni casi, è stato ricevuto in buone condizioni. È utile per gli studenti avanzati ed è stato consegnato tempestivamente.

La qualità della copertina rigida è carente, con problemi come la facilità con cui la copertina si stacca. Alcuni libri sono arrivati danneggiati. L'organizzazione è carente e introduce argomenti complessi prima dei concetti fondamentali, il che lo rende inadeguato per i principianti.

(basato su 4 recensioni dei lettori)

Titolo originale:

Foundations of Statistics for Data Scientists: With R and Python

Contenuto del libro:

Foundations of Statistics for Data Scientists: With R and Python" è stato concepito come libro di testo per l'introduzione alla statistica matematica in uno o due periodi per gli studenti che si preparano a diventare data scientist. Si tratta di una presentazione approfondita degli argomenti della scienza statistica che ogni data scientist dovrebbe conoscere, tra cui le distribuzioni di probabilità, i metodi statistici descrittivi e inferenziali e la modellazione lineare. Il libro presuppone la conoscenza del calcolo di base, in modo che la presentazione possa concentrarsi sul "perché funziona" e sul "come si fa". Rispetto ai tradizionali manuali di "statistica matematica", tuttavia, il libro pone meno enfasi sulla teoria della probabilità e più sull'uso del software per implementare i metodi statistici e per condurre simulazioni per illustrare i concetti chiave. Tutte le analisi statistiche del libro utilizzano il software R, mentre un'appendice mostra le stesse analisi con Python.

Caratteristiche principali:

⬤ Mostra gli elementi della scienza statistica che sono importanti per gli studenti che intendono diventare data scientist.

⬤ Include l'adattamento bayesiano e regolarizzato dei modelli (ad esempio, mostrando un esempio di utilizzo del lasso), la classificazione e il clustering, e l'implementazione di metodi con software moderni (R e Python).

⬤ Contiene quasi 500 esercizi.

Il libro introduce anche argomenti moderni che normalmente non compaiono nei testi di statistica matematica ma che sono molto importanti per gli scienziati dei dati, come l'inferenza bayesiana, i modelli lineari generalizzati per risposte non normali (ad esempio, la regressione logistica e i modelli loglineari di Poisson) e l'adattamento di modelli regolarizzati. I quasi 500 esercizi sono raggruppati in "Analisi dei dati e applicazioni" e "Metodi e concetti". Le appendici introducono R e Python e contengono le soluzioni per gli esercizi dispari. Il sito web del libro (http: //stat4ds. rwth-aachen. de/) contiene appendici ampliate di R, Python e Matlab e tutti i set di dati degli esempi e degli esercizi.