Probability and Statistics for Data Science
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 55.00
-
27 142 Ft (25 850 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) 10% (cc. 2 714 Ft off)
- Kedvezményes ár 24 428 Ft (23 265 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
27 142 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
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:
- Kiadó Cambridge University Press
- Megjelenés dátuma 2025. július 3.
- ISBN 9781009180092
- Kötéstípus Puhakötés
- Terjedelem624 oldal
- Méret 254x178x32 mm
- Súly 1144 g
- Nyelv angol 684
Kategóriák
Rövid leírás:
A self-contained introduction to probability and statistics for data science with examples involving real-world datasets.
TöbbHosszú leírás:
This self-contained guide introduces two pillars of data science, probability theory, and statistics, side by side, in order to illuminate the connections between statistical techniques and the probabilistic concepts they are based on. The topics covered in the book include random variables, nonparametric and parametric models, correlation, estimation of population parameters, hypothesis testing, principal component analysis, and both linear and nonlinear methods for regression and classification. Examples throughout the book draw from real-world datasets to demonstrate concepts in practice and confront readers with fundamental challenges in data science, such as overfitting, the curse of dimensionality, and causal inference. Code in Python reproducing these examples is available on the book's website, along with videos, slides, and solutions to exercises. This accessible book is ideal for undergraduate and graduate students, data science practitioners, and others interested in the theoretical concepts underlying data science methods.
'Fernandez-Granda's Probability and Statistics for Data Science is a comprehensive yet approachable treatment of the fundamentals required of all aspiring Data Scientists-whether they be in academia, industry or elsewhere. The language is clear and precise, and it is one of the best-organized treatments of this material I have ever seen. With lucid examples and helpful exercises, it deserves to be the leading text for these topics among undergraduate and graduate students in this technical, fast-moving discipline. Instructors take note!' Arthur Spirling, Princeton University
Tartalomjegyzék:
Preface; Book Website; Introduction and Overview; 1. Probability; 2. Discrete variables; 3. Continuous variables; 4. Multiple discrete variables; 5. Multiple continuous variables; 6. Discrete and continuous variables; 7. Averaging; 8. Correlation; 9. Estimation of population parameters; 10. Hypothesis testing; 11. Principal component analysis and low-rank models; 12. Regression and classification; A. Datasets; References; Index.
Több
