- Main
- Computers - Programming
- Practical Statistics for Data Scientist
Practical Statistics for Data Scientist
Peter Bruce, Andrew BruceՈրքա՞ն է ձեզ դուր եկել այս գիրքը:
Ինչպիսի՞ն է բեռնված ֆայլի որակը:
Բեռնեք գիրքը` գնահատելու դրա որակը
Ինչպիսի՞ն է բեռնված ֆայլերի որակը:
Statistical methods are a key part of of data science, yet very few data scientists have any formal statistics training. Courses and books on basic statistics rarely cover the topic from a data science perspective. This practical guide explains how to apply various statistical methods to data science, tells you how to avoid their misuse, and gives you advice on what's important and what's not.
Many data science resources incorporate statistical methods but lack a deeper statistical perspective. If you’re familiar with the R programming language, and have some exposure to statistics, this quick reference bridges the gap in an accessible, readable format.
With this book, you’ll learn:
Why exploratory data analysis is a key preliminary step in data science
How random sampling can reduce bias and yield a higher quality dataset, even with big data
How the principles of experimental design yield definitive answers to questions
How to use regression to estimate outcomes and detect anomalies
Key classification techniques for predicting which categories a record belongs to
Statistical machine learning methods that “learn” from data
Unsupervised learning methods for extracting meaning from unlabeled data
Many data science resources incorporate statistical methods but lack a deeper statistical perspective. If you’re familiar with the R programming language, and have some exposure to statistics, this quick reference bridges the gap in an accessible, readable format.
With this book, you’ll learn:
Why exploratory data analysis is a key preliminary step in data science
How random sampling can reduce bias and yield a higher quality dataset, even with big data
How the principles of experimental design yield definitive answers to questions
How to use regression to estimate outcomes and detect anomalies
Key classification techniques for predicting which categories a record belongs to
Statistical machine learning methods that “learn” from data
Unsupervised learning methods for extracting meaning from unlabeled data
Կատեգորիաներ:
Տարի:
2017
Հրատարակչություն:
O’Reilly
Լեզու:
english
Էջեր:
562
ISBN 10:
1491952962
ISBN 13:
9781491952962
Ֆայլ:
PDF, 13.40 MB
Ձեր թեգերը:
IPFS:
CID , CID Blake2b
english, 2017
Ներբեռնել (pdf, 13.40 MB)
- Checking other formats...
- Փոխարկել դեպի
- Unlock conversion of files larger than 8 MBPremium
Ցանկանու՞մ եք գրախանութ ավելացնել: Խնդրում ենք կապնվել մեզ հետ support@z-lib.fm միջոցով
Ֆայլը կուղարկվի ձեր email-ին 1-5 րոպեի ընթացքում:
1-5 րոպեի ընթացքում ֆայլը կուղարկվի ձեր Telegram-ին։
Ուշադրություն․ համոզվեք, որ ձեր հաշիվը կապված է Z-Library-ի Telegram բոտին:
1-5 րոպեի ընթացքում ֆայլը կուղարկվի ձեր Kindle սարքին։
Նշում. Դուք պետք է հաստատեք յուրաքանչյուր գիրքը, որն ուղարկում եք Kindle-ին: Ստուգեք ձեր էլփոստի մուտքի արկղը՝ պետք է ստանաք Amazon Kindle Support-ից հաստատող էլ. նամակ։
Փոխարկումը դեպի կատարվում է
Փոխարկումը դեպի ձախողվել է
Premium benefits
- Send to eReaders
- Increased download limit
- File converter
- Բացել որոնման արդյունքները
- More benefits