Introduzione all'apprendimento statistico: Con applicazioni in Python

Recensioni dei lettori

Il libro ha ricevuto recensioni contrastanti, che ne hanno evidenziato l'utilità nell'insegnamento della statistica, in particolare con l'uso di Python. Sebbene molti recensori abbiano lodato la profondità dei contenuti e gli approfondimenti pratici, alcuni lettori hanno riscontrato problemi legati alla rilegatura scadente e al controllo di qualità. Inoltre, le critiche sono state rivolte alla sezione Python, che alcuni hanno trovato obsoleta e basata su pacchetti non necessari.

⬤ Eccellente approfondimento dei contenuti statistici, che lo rende adatto all'autoapprendimento.
⬤ Copertina rigida di alta qualità con visualizzazioni a colori (se ricevuta in condizioni adeguate).
⬤ Approccio pratico con esempi che utilizzano Python, che lo rendono ideale per la scienza dei dati e l'analisi.
⬤ Buon materiale introduttivo che evita di appesantire la matematica, per un approccio interessante per i principianti.
⬤ Risorse di supporto aggiuntive disponibili online.

⬤ Diversi recensori hanno ricevuto copie del libro mal rilegate o danneggiate.
⬤ La sezione Python è stata criticata per essere obsoleta, con la dipendenza da uno scomodo pacchetto ISLP piuttosto che da pratiche comuni.
⬤ Alcune copie sono arrivate in bianco e nero nonostante le aspettative di stampa a colori, causando confusione e problemi di chiarezza visiva.
⬤ Problemi di qualità della carta e della rilegatura segnalati da più utenti.

(basato su 19 recensioni dei lettori)

Titolo originale:

An Introduction to Statistical Learning: With Applications in Python

Contenuto del libro:

An Introduction to Statistical Learning" fornisce una panoramica accessibile del campo dell'apprendimento statistico, uno strumento essenziale per dare un senso alle vaste e complesse serie di dati che sono emerse negli ultimi vent'anni in campi che vanno dalla biologia alla finanza, dal marketing all'astrofisica. Questo libro presenta alcune delle più importanti tecniche di modellazione e previsione, insieme alle relative applicazioni.

Gli argomenti trattati comprendono la regressione lineare, la classificazione, i metodi di ricampionamento, gli approcci di restringimento, i metodi ad albero, le macchine vettoriali di supporto, il clustering, il deep learning, l'analisi di sopravvivenza, i test multipli e altro ancora. Per illustrare i metodi presentati vengono utilizzati grafici a colori ed esempi reali. Questo libro si rivolge a statistici e non, che desiderano utilizzare tecniche di apprendimento statistico all'avanguardia per analizzare i propri dati.

Quattro degli autori hanno collaborato alla stesura di An Introduction to Statistical Learning, With Applications in R (ISLR), che è diventato un pilastro delle classi di studenti e laureati di tutto il mondo, oltre che un importante libro di riferimento per gli scienziati dei dati. Una delle chiavi del suo successo è stato il fatto che ogni capitolo contiene un tutorial per l'implementazione delle analisi e dei metodi presentati nell'ambiente di elaborazione scientifica R.

Tuttavia, negli ultimi anni Python è diventato un linguaggio popolare per la scienza dei dati e c'è stata una crescente richiesta di un'alternativa a ISLR basata su Python. Pertanto, questo libro (ISLP) tratta gli stessi materiali di ISLR, ma con laboratori implementati in Python.

Questi laboratori saranno utili sia ai neofiti di Python che agli utenti più esperti.