Punteggio:
Il libro è una guida dettagliata e completa all'uso di R per la scienza dei dati, apprezzata per la sua chiarezza e completezza, anche se potrebbe non essere adatta ai principianti. Offre una solida base per l'informatica moderna con R, in particolare per coloro che hanno una certa esperienza precedente.
Vantaggi:Molto dettagliato e completo, enfatizza gli argomenti importanti, spiegazioni chiare e approfondite, ottimo per utenti intermedi e avanzati, include interessanti casi di studio ed esempi applicati, forte attenzione alle moderne tecniche di programmazione con R, presentazione e materiali di alta qualità.
Svantaggi:Non adatto come introduzione per i principianti, manca di spiegazioni chiare in alcune aree, gli esempi possono essere sorvolati, la struttura organizzativa potrebbe essere confusa, alcuni utenti hanno subito danni durante la spedizione.
(basato su 11 recensioni dei lettori)
Introduction to Data Science: Data Analysis and Prediction Algorithms with R
Introduzione alla scienza dei dati: Data Analysis and Prediction Algorithms with R introduce concetti e competenze che possono aiutare ad affrontare le sfide dell'analisi dei dati nel mondo reale. Copre concetti di probabilità, inferenza statistica, regressione lineare e apprendimento automatico. Inoltre, aiuta a sviluppare competenze come la programmazione in R, la gestione dei dati, la visualizzazione dei dati, la costruzione di algoritmi predittivi, l'organizzazione dei file con la shell UNIX/Linux, il controllo di versione con Git e GitHub e la preparazione di documenti riproducibili.
Questo libro è un libro di testo per un primo corso di scienza dei dati. Non è necessaria una conoscenza precedente di R, anche se può essere utile una certa esperienza di programmazione. Il libro è diviso in sei parti: R, visualizzazione dei dati, statistiche con R, gestione dei dati, apprendimento automatico e strumenti di produttività. Ogni parte è composta da diversi capitoli che possono essere presentati come un'unica lezione.
L'autore utilizza casi di studio motivanti che imitano realisticamente l'esperienza di un data scientist. L'autore inizia ponendo domande specifiche a cui risponde attraverso l'analisi dei dati, in modo da apprendere i concetti come mezzo per rispondere alle domande. Esempi di casi di studio inclusi sono: Tasso di omicidi negli Stati Uniti per stato, altezza degli studenti dichiarata, tendenze nella salute e nell'economia mondiale, impatto dei vaccini sui tassi di malattie infettive, crisi finanziaria del 2007-2008, previsioni elettorali, costruzione di una squadra di baseball, elaborazione di immagini di cifre scritte a mano e sistemi di raccomandazione di film.
I concetti statistici utilizzati per rispondere alle domande dei casi di studio sono introdotti solo brevemente, quindi per una comprensione approfondita di questi concetti si consiglia di integrare il testo con un testo di probabilità e statistica. Se si leggono e si comprendono i capitoli e si completano gli esercizi, si è pronti ad apprendere i concetti più avanzati e le competenze necessarie per diventare esperti.
Un manuale completo di soluzioni è disponibile per gli istruttori registrati che necessitano del testo per un corso.
© Book1 Group - tutti i diritti riservati.
Il contenuto di questo sito non può essere copiato o utilizzato, né in parte né per intero, senza il permesso scritto del proprietario.
Ultima modifica: 2024.11.08 20:28 (GMT)