Recenze čtenářů
Shrnutí:Kniha poskytuje užitečné informace, ale trpí problémy s kvalitou a špatnou organizací, takže je pro začínající studenty náročná.
Klady:Kniha obsahuje dobré informace a v některých případech byla obdržena v dobrém stavu. Je užitečná pro pokročilé studenty a byla dodána rychle.
Zápory:Kvalita pevných desek je nedostatečná, objevují se problémy, jako je snadné odlepení obalu. Některé knihy dorazily poškozené. Organizace je špatná, uvádí složitá témata před základními pojmy, což ji činí nevhodnou pro začátečníky.
(na základě 4 hodnocení čtenářů)
Původní název:
Foundations of Statistics for Data Scientists: With R and Python
Obsah knihy:
Foundations of Statistics for Data Scientists: With R and Python je určena jako učebnice pro jedno- nebo dvousemestrální úvod do matematické statistiky pro studenty, kteří se připravují na dráhu datového vědce. Jedná se o důkladnou prezentaci témat statistické vědy, se kterými by se měl seznámit každý datový vědec, včetně rozdělení pravděpodobnosti, deskriptivních a inferenčních statistických metod a lineárního modelování. Kniha předpokládá znalost základních výpočtů, takže se výklad může zaměřit na to, "proč to funguje", stejně jako na to, "jak to udělat". Oproti tradičním učebnicím "matematické statistiky" je však v knize kladen menší důraz na teorii pravděpodobnosti a větší důraz na využití softwaru k implementaci statistických metod a k provádění simulací pro ilustraci klíčových pojmů. Všechny statistické analýzy v knize využívají software R, v příloze jsou uvedeny stejné analýzy v jazyce Python.
Klíčové vlastnosti:
⬤ Ukazuje prvky statistické vědy, které jsou důležité pro studenty, kteří se plánují stát datovými vědci.
⬤ Obsahuje bayesovské a regularizované fitování modelů (např. ukazuje příklad s použitím lassa), klasifikaci a shlukování a implementaci metod pomocí moderního softwaru (R a Python).
⬤ Obsahuje téměř 500 cvičení.
Kniha také představuje moderní témata, která se běžně v textech matematické statistiky neobjevují, ale jsou velmi důležitá pro datové vědce, jako je Bayesovská inference, zobecněné lineární modely pro nenormální odpovědi (např. logistická regrese a Poissonovy loglineární modely) a regularizované přizpůsobení modelu. Téměř 500 cvičení je rozděleno do skupin "Analýza dat a aplikace" a "Metody a koncepty". Přílohy představují R a Python a obsahují řešení lichých cvičení. Na webových stránkách knihy (http: //stat4ds. rwth-aachen. de/) jsou k dispozici rozšířené přílohy pro R, Python a Matlab a všechny datové sady z příkladů a cvičení.
