Practical Statistics for Data Scientists, 2e - Bruce, Peter; Bruce, Andrew; Gedeck, Peter; - Prospero Internetes Könyváruház

Practical Statistics for Data Scientists, 2e: 50+ Essential Concepts Using R and Python
 
A termék adatai:

ISBN13:9781492072942
ISBN10:149207294X
Kötéstípus:Puhakötés
Terjedelem:350 oldal
Méret:233x177x24 mm
Súly:632 g
Nyelv:angol
893
Témakör:

Practical Statistics for Data Scientists, 2e

50+ Essential Concepts Using R and Python
 
Kiadás sorszáma: 2
Kiadó: O'Reilly
Megjelenés dátuma:
Kötetek száma: Print PDF
 
Normál ár:

Kiadói listaár:
GBP 63.99
Becsült forint ár:
30 907 Ft (29 435 Ft + 5% áfa)
Miért becsült?
 
Az Ön ára:

27 816 (26 492 Ft + 5% áfa )
Kedvezmény(ek): 10% (kb. 3 091 Ft)
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
Kattintson ide a feliratkozáshoz
 
Beszerezhetőség:

Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Nem tudnak pontosabbat?
 
  példányt

 
Hosszú leírás:

Statistical methods are a key part of data science, yet few data scientists have formal statistical training. Courses and books on basic statistics rarely cover the topic from a data science perspective. The second edition of this popular guide adds comprehensive examples in Python, provides practical guidance on applying statistical methods to data science, tells you how to avoid their misuse, and gives you advice on what&&&8217;s important and what&&&8217;s not.

Many data science resources incorporate statistical methods but lack a deeper statistical perspective. If you&&&8217;re familiar with the R or Python programming languages and have some exposure to statistics, this quick reference bridges the gap in an accessible, readable format.

With this book, you&&&8217;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