Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны, и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Во второе издание включены примеры на языке Python, что расширяет практическое применение книги. [b]Прочитав эту книгу, вы узнаете:[/b] Почему разведывательный анализ данных является ключевым предварительным шагом в науке о данных Как случайная выборка может уменьшить смещение и привести к более высококачественному набору данных, даже в условиях больших данных Как принципы планирования эксперимента помогают получить наиболее полные ответы на вопросы Как использовать регрессию для оценки результатов и выявления аномалий [b]Вы освоите:[/b] Ключевые методы классификации для предсказания, к какой категории относится запись Статистические методы машинного обучения, которые “обучаются” на данных Методы обучения без учителя для извлечения информации из немаркированных данных Перевод: Логунов Андрей ВикторовичГод издания: 2021Формат: pdfЯзык: ruРазмер: 12745 KbСкачиваний: 2311