- Main
- Computers - Databases
- Practical Statistics for Data...
Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python
Bruce, Peter, Bruce, Andrew, Gedeck, Peterคุณชอบหนังสือเล่มนี้มากแค่ไหน
คุณภาพของไฟล์เป็นอย่างไรบ้าง
ดาวน์โหลดหนังสือเพื่อประเมินคุณภาพของไฟล์
คุณภาพของไฟล์ที่คุณดาวน์โหลดมาเป็นอย่างไรบ้าง
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'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 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'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 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'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:
2020
ฉบับพิมพ์ครั้งที่:
2
สำนักพิมพ์:
O'Reilly Media
ภาษา:
english
จำนวนหน้า:
360
ISBN 10:
149207294X
ISBN 13:
9781492072942
ไฟล์:
EPUB, 8.91 MB
แท็กของคุณ:
IPFS:
CID , CID Blake2b
english, 2020
อ่านออนไลน์
- ดาวน์โหลด
- epub 8.91 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