Probabilità e statistica per la scienza dei dati: Matematica + R + Dati

Recensioni dei lettori

Il libro è apprezzato per il suo approccio pratico all'insegnamento dei concetti di codifica e di statistica, che lo rende adatto sia per l'autoapprendimento sia come libro di testo per i corsi. Fornisce esercizi utili e spiegazioni chiare, soprattutto per quanto riguarda la scienza dei dati e la probabilità.

⬤ Efficace per l'autoistruzione e l'insegnamento.
⬤ Revisione completa dei concetti statistici insieme alla codifica.
⬤ Buona organizzazione degli esercizi (problemi matematici e computazionali).
⬤ Spiegazioni chiare ed esempi pratici.
⬤ Lievi errori di battitura, che indicano una forte revisione.

⬤ Alcuni esempi possono sembrare distaccati dalle applicazioni.
⬤ Sono stati notati alcuni errori tipografici, anche se per lo più minori.

(basato su 3 recensioni dei lettori)

Titolo originale:

Probability and Statistics for Data Science: Math + R + Data

Contenuto del libro:

Probabilità e statistica per la scienza dei dati: matematica + R + dati copre la “statistica matematica” - distribuzioni, valore atteso, stima, ecc. --ma prende molto sul serio la frase “Data Science” del titolo:

* Vengono utilizzati in modo estensivo set di dati reali.

* Tutte le analisi dei dati sono supportate dalla codifica R.

* Include molte applicazioni di Data Science, come PCA, distribuzioni miste, modelli a grafo casuale, modelli di Hidden Markov, regressione lineare e logistica e reti neurali.

* Porta lo studente a pensare criticamente al “come” e al “perché” della statistica e a “vedere il quadro generale”.

* Non è orientato ai “teoremi”, ma i concetti e i modelli sono esposti in modo matematicamente preciso.

I prerequisiti sono il calcolo, un po' di algebra matriciale e un po' di esperienza nella programmazione.

Norman Matloff è professore di informatica presso l'Università della California, Davis, dove in precedenza era professore di statistica. Fa parte dei comitati editoriali del Journal of Statistical Software e del The R Journal. Il suo libro Statistical Regression and Classification: From Linear Models to Machine Learning è stato premiato con lo Ziegel Award per il miglior libro recensito su Technometrics nel 2017. Ha ricevuto il Distinguished Teaching Award della sua università.