Data Science for Public Policy
Sorozatcím: Springer Series in the Data Sciences;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 69.54
-
28 841 Ft (27 468 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 5 768 Ft off)
- Kedvezményes ár 23 073 Ft (21 974 Ft + 5% áfa)
- A kedvezmény érvényes eddig: 2025. december 31.
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
28 841 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1st ed. 2021
- Kiadó Springer International Publishing
- Megjelenés dátuma 2021. szeptember 1.
- Kötetek száma 1 pieces, Book
- ISBN 9783030713515
- Kötéstípus Keménykötés
- Terjedelem363 oldal
- Méret 279x210 mm
- Súly 1289 g
- Nyelv angol
- Illusztrációk XIV, 363 p. 123 illus., 111 illus. in color. Illustrations, black & white 243
Kategóriák
Hosszú leírás:
This textbook presents the essential tools and core concepts of data science to public officials, policy analysts, and economists among others in order to further their application in the public sector. An expansion of the quantitative economics frameworks presented in policy and business schools, this book emphasizes the process of asking relevant questions to inform public policy. Its techniques and approaches emphasize data-driven practices, beginning with the basic programming paradigms that occupy the majority of an analyst’s time and advancing to the practical applications of statistical learning and machine learning. The text considers two divergent, competing perspectives to support its applications, incorporating techniques from both causal inference and prediction. Additionally, the book includes open-sourced data as well as live code, written in R and presented in notebook form, which readers can use and modify to practice working with data.
Tartalomjegyzék:
An Introduction.- The Case for Programming.- Elements of Programming.- Transforming Data.- Record Linkage.- Exploratory Data Analysis.- Regression Analysis.- Framing Classification.- Three Quantitative Perspectives.- Prediction.- Cluster Analysis.- Spatial Data.- Natural Language.- The Ethics of Data Science.- Developing Data Products.- Building Data Teams.- Appendix A: Planning a Data Product.- Appendix B: Interview Questions.
Több
