دانلود کتاب Modeling with data: tools and techniques for scientific computing

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل سازی با داده ها: ابزارها و تکنیک های محاسبات علمی

مدل‌سازی با داده‌ها به طور کامل نحوه اجرای تحلیل‌های فشرده محاسباتی بر روی مجموعه‌های داده بسیار بزرگ را توضیح می‌دهد، به خوانندگان نشان می‌دهد که چگونه بهترین روش‌ها را برای حل انواع مسائل مختلف، نحوه ایجاد و اشکال‌زدایی مدل‌های آماری، و نحوه اجرای آنالیز تعیین کنند. و نتایج را ارزیابی کنید.

Ben Klemens مجموعه ای از ابزارهای باز و نامحدود را معرفی می کند و از آنها برای نشان دادن مدیریت داده ها، تجزیه و تحلیل و تکنیک های شبیه سازی ضروری برای برخورد با مجموعه داده های بزرگ و رویه های محاسباتی فشرده استفاده می کند. سپس نشان می‌دهد که چگونه می‌توان این ابزارها را به راحتی در بسیاری از رشته‌های تکنیک آماری، از جمله روش‌های کلاسیک، بیزی، حداکثر احتمال و روش‌های مونت کارلو به کار برد. نظرسنجی قابل دسترس کلمنز این مدل ها را به شیوه ای یکپارچه و غیر سنتی توصیف می کند و راه های جایگزینی برای نگاه کردن به مفاهیم آماری که اغلب دانش آموزان را گیج می کند ارائه می دهد. این کتاب شامل نزدیک به صد برنامه نمونه از انواع مختلف است. پیوندهای این برنامه‌ها بعداً در این صفحه در دسترس خواهند بود.

مدل‌سازی با داده‌ها هر کسی را که به دنبال راهنمای جامعی برای این ابزارهای آماری قدرتمند است، از جمله محققان و دانشجویان فارغ‌التحصیل در علوم اجتماعی، زیست‌شناسی، علاقه‌مند خواهد کرد. ، مهندسی، اقتصاد و ریاضیات کاربردی.

Modeling with data: tools and techniques for scientific computing

Modeling with Data fully explains how to execute computationally intensive analyses on very large data sets, showing readers how to determine the best methods for solving a variety of different problems, how to create and debug statistical models, and how to run an analysis and evaluate the results.

Ben Klemens introduces a set of open and unlimited tools, and uses them to demonstrate data management, analysis, and simulation techniques essential for dealing with large data sets and computationally intensive procedures. He then demonstrates how to easily apply these tools to the many threads of statistical technique, including classical, Bayesian, maximum likelihood, and Monte Carlo methods. Klemens’s accessible survey describes these models in a unified and nontraditional manner, providing alternative ways of looking at statistical concepts that often befuddle students. The book includes nearly one hundred sample programs of all kinds. Links to these programs will be available on this page at a later date.

Modeling with Data will interest anyone looking for a comprehensive guide to these powerful statistical tools, including researchers and graduate students in the social sciences, biology, engineering, economics, and applied mathematics.