دانلود کتاب Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python
49,000 تومان
آمار عملی برای دانشمندان داده: بیش از 50 مفهوم اساسی با استفاده از R و Python
| موضوع اصلی | کامپیوتر – پایگاه داده |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | O’Reilly Media |
| تعداد صفحه | 368 |
| حجم فایل | 8.91 مگابایت |
| کد کتاب | 149207294X , 9781492072942 |
| نویسنده | Andrew Bruce, Peter Bruce, Peter Gedeck |
|---|---|
| زبان | انگلیسی |
| فرمت | EPUB |
| سال انتشار | 2020 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
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
ترجمه فارسی (ترجمه ماشینی)
روش های آماری بخش کلیدی علم داده هستند، با این حال تعداد کمی از دانشمندان داده آموزش آماری رسمی دارند. دوره ها و کتاب های آمار پایه به ندرت موضوع را از منظر علم داده پوشش می دهند. ویرایش دوم این راهنمای محبوب مثالهای جامعی را در پایتون اضافه میکند، راهنماییهای عملی در مورد بکارگیری روشهای آماری در علم داده ارائه میدهد، به شما میگوید چگونه از سوء استفاده از آنها جلوگیری کنید، و توصیههایی در مورد آنچه مهم است و چه چیزی نیست به شما ارائه میدهد.
بسیاری. منابع علم داده شامل روش های آماری هستند اما فاقد دیدگاه آماری عمیق تر هستند. اگر با زبان های برنامه نویسی R یا Python آشنایی دارید و در معرض آمار و ارقام هستید، این مرجع سریع شکاف را در قالبی قابل دسترسی و خواندنی پر می کند.
با این کتاب، خواهید آموخت:
چرا تجزیه و تحلیل داده های اکتشافی یک مرحله مقدماتی کلیدی در علم داده است
چگونه نمونه گیری تصادفی می تواند سوگیری را کاهش دهد و مجموعه داده با کیفیت بالاتری را حتی با داده های بزرگ به دست آورد
چگونه اصول طراحی آزمایشی نتیجه قطعی می دهد پاسخ به سوالات
نحوه استفاده از رگرسیون برای تخمین نتایج و تشخیص ناهنجاری ها
تکنیک های طبقه بندی کلیدی برای پیش بینی اینکه یک رکورد متعلق به کدام دسته است
روش های یادگیری ماشین آماری که از داده ها “یاد می گیرند”
روش های یادگیری بدون نظارت برای استخراج معنا از داده های بدون برچسب
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.