- Main
- Computers - Programming
- Practical Statistics for Data Scientist
Practical Statistics for Data Scientist
Peter Bruce, Andrew Bruceคุณชอบหนังสือเล่มนี้มากแค่ไหน
คุณภาพของไฟล์เป็นอย่างไรบ้าง
ดาวน์โหลดหนังสือเพื่อประเมินคุณภาพของไฟล์
คุณภาพของไฟล์ที่คุณดาวน์โหลดมาเป็นอย่างไรบ้าง
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
หมวดหมู่:
ปี:
2017
สำนักพิมพ์:
O’Reilly
ภาษา:
english
จำนวนหน้า:
562
ISBN 10:
1491952962
ISBN 13:
9781491952962
ไฟล์:
PDF, 13.40 MB
แท็กของคุณ:
IPFS:
CID , CID Blake2b
english, 2017
อ่านออนไลน์
- ดาวน์โหลด
- pdf 13.40 MB Current page
- Checking other formats...
- แปลงเป็น
- ปลดล็อกการแปลงไฟล์ขนาดใหญ่กว่า 8 MBPremium
ไฟล์จะถูกส่งไปยังที่อยู่อีเมลของคุณ อาจใช้เวลา 1-5 นาที ก่อนที่คุณจะได้รับ
ไฟล์จะถูกส่งไปยังบัญชี Telegram ของคุณภายใน 1-5 นาที
สำคัญ: กรุณาตรวจสอบให้แน่ใจว่าคุณได้เชื่อมโยงบัญชีของคุณกับบอตของ Z-Library ใน Telegram
ไฟล์จะถูกส่งไปยังอุปกรณ์ Kindle ของคุณภายใน 1-5 นาที
หมายเหตุ: คุณต้องยืนยันหนังสือทุกเล่มที่คุณจะส่งไปยัง Kindle ของคุณ ตรวจสอบกล่องจดหมายเข้าของคุณเพื่อค้นหาอีเมลยืนยันจาก Amazon Kindle Support
กำลังแปลงเป็น อยู่
การแปลงเป็น ล้มเหลว
สิทธิประโยชน์ของบัญชีแบบพรีเมียม
- ส่งไฟล์ไปยังเครื่อง eReader
- ขีดจำกัดการดาวน์โหลดที่เพิ่มขึ้น
- สามารถแปลงไฟล์ได้
- ผลการค้นหาเพิ่มเติม
- สิทธิประโยชน์อื่นๆ