دانلود کتاب Essential Statistics for Non-STEM Data Analysts – آمار ضروری برای تحلیلگران داده غیرSTEM

توضیحات

Reinforce your understanding of data science and data analysis from a statistical perspective to extract meaningful insights from your data using Python programming

Key Features

• Work your way through the entire data analysis pipeline with statistics concerns in mind to make reasonable decisions
• Understand how various data science algorithms function
• Build a solid foundation in statistics for data science and machine learning using Python-based examples

Book Description

Statistics remain the backbone of modern analysis tasks, helping you to interpret the results produced by data science pipelines. This book is a detailed guide covering the math and various statistical methods required for undertaking data science tasks.

The book starts by showing you how to preprocess data and inspect distributions and correlations from a statistical perspective. You’ll then get to grips with the fundamentals of statistical analysis and apply its concepts to real-world datasets. As you advance, you’ll find out how statistical concepts emerge from different stages of data science pipelines, understand the summary of datasets in the language of statistics, and use it to build a solid foundation for robust data products such as explanatory models and predictive models. Once you’ve uncovered the working mechanism of data science algorithms, you’ll cover essential concepts for efficient data collection, cleaning, mining, visualization, and analysis. Finally, you’ll implement statistical methods in key machine learning tasks such as classification, regression, tree-based methods, and ensemble learning.

By the end of this Essential Statistics for Non-STEM Data Analysts book, you’ll have learned how to build and present a self-contained, statistics-backed data product to meet your business goals.

What you will learn

• Find out how to grab and load data into an analysis environment
• Perform descriptive analysis to extract meaningful summaries from data
• Discover probability, parameter estimation, hypothesis tests, and experiment design best practices
• Get to grips with resampling and bootstrapping in Python
• Delve into statistical tests with variance analysis, time series analysis, and A/B test examples
• Understand the statistics behind popular machine learning algorithms
• Answer questions on statistics for data scientist interviews

Who this book is for

This book is an entry-level guide for data science enthusiasts, data analysts, and anyone starting out in the field of data science and looking to learn the essential statistical concepts with the help of simple explanations and examples. If you’re a developer or student with a non-mathematical background, you’ll find this book useful. Working knowledge of the Python programming language is required.

Table of Contents

1. Fundamentals of Data Collection, Cleaning and Preprocessing
2. Essential Statistics for Data Assessment
3. Visualization with Statistical Graphs
4. Sampling and Inferential Statistics
5. Common Probability Distributions
6. Parametric Estimation
7. Statistical Hypothesis Testing
8. Statistics for Regression
9. Statistics for Classification
10. Statistics for Tree-based Methods
11. Statistics for Ensemble Method
12. A Collection of Best Practices
13. Exercises and Projects

————————————————————–

ترجمه ماشینی :

درک خود را از علم داده و تجزیه و تحلیل داده ها از منظر آماری تقویت کنید تا با استفاده از برنامه نویسی پایتون، بینش های معناداری را از داده های خود استخراج کنید

ویژگی های کلیدی

< li>در کل خط لوله تجزیه و تحلیل داده ها با در نظر گرفتن نگرانی های آماری کار کنید تا تصمیمات منطقی بگیرید
• درک نحوه عملکرد الگوریتم های مختلف علم داده
• ایجاد یک پایه محکم در آمار برای علم داده و یادگیری ماشین با استفاده از مثال‌های مبتنی بر پایتون

توضیحات کتاب

آمار همچنان ستون فقرات وظایف تحلیل مدرن است و به شما کمک می‌کند تا نتایج تولید شده توسط خطوط لوله علم داده را تفسیر کنید. این کتاب راهنمای دقیقی است که ریاضیات و روش‌های آماری مختلف مورد نیاز برای انجام وظایف علم داده را پوشش می‌دهد.

این کتاب با نشان دادن نحوه پیش‌پردازش داده‌ها و بازرسی توزیع‌ها و همبستگی‌ها از دیدگاه آماری آغاز می‌شود. سپس با اصول تحلیل آماری آشنا می شوید و مفاهیم آن را در مجموعه داده های دنیای واقعی به کار می برید. همانطور که پیش می روید، متوجه خواهید شد که چگونه مفاهیم آماری از مراحل مختلف خطوط لوله علم داده پدیدار می شوند، خلاصه مجموعه داده ها را به زبان آمار درک می کنید و از آن برای ایجاد پایه ای محکم برای محصولات داده ای قوی مانند مدل های توضیحی و پیش بینی استفاده می کنید. مدل ها. هنگامی که مکانیسم کار الگوریتم های علم داده را کشف کردید، مفاهیم اساسی برای جمع آوری کارآمد داده ها، تمیز کردن، استخراج، تجسم و تجزیه و تحلیل را پوشش خواهید داد. در نهایت، شما روش‌های آماری را در وظایف کلیدی یادگیری ماشین مانند طبقه‌بندی، رگرسیون، روش‌های مبتنی بر درخت، و یادگیری مجموعه‌ای پیاده‌سازی خواهید کرد.

در پایان این کتاب آمار ضروری برای تحلیل‌گران داده غیرSTEM، شما یاد گرفته اید که چگونه یک محصول داده ای مستقل و مبتنی بر آمار برای دستیابی به اهداف تجاری خود بسازید و ارائه دهید.

آنچه یاد خواهید گرفت

• دریابید که چگونه برای گرفتن و بارگذاری داده ها در یک محیط تجزیه و تحلیل
• انجام تجزیه و تحلیل توصیفی برای استخراج خلاصه های معنادار از داده ها
• کشف احتمال، تخمین پارامتر، آزمون های فرضیه، و بهترین شیوه های طراحی آزمایش
• با نمونه‌برداری مجدد و راه‌اندازی در پایتون آشنا شوید
• در آزمون‌های آماری با تجزیه و تحلیل واریانس، تجزیه و تحلیل سری‌های زمانی و نمونه‌های تست A/B تحقیق کنید
• آمار پشت ماشین محبوب را درک کنید. الگوریتم های یادگیری
• پاسخ به سوالات آمار برای مصاحبه های دانشمندان داده

این کتاب برای چه کسی است

این کتاب یک راهنمای سطح ابتدایی برای داده ها است علاقه مندان به علم، تحلیلگران داده و هر کسی که در زمینه علم داده شروع می کند و به دنبال یادگیری مفاهیم اساسی آماری با کمک توضیحات و مثال های ساده است. اگر یک برنامه نویس یا دانش آموز با پیشینه غیر ریاضی هستید، این کتاب برای شما مفید خواهد بود. دانش کاری زبان برنامه نویسی پایتون مورد نیاز است.

فهرست مطالب

1. مبانی جمع آوری داده ها، تمیز کردن و پیش پردازش
2. آمار ضروری برای ارزیابی داده ها
3. تجسم با نمودارهای آماری
4. نمونه گیری و آمار استنباطی
5. توزیعات احتمالات رایج
6. تخمین پارامتریک
7. فرضیه آماری آزمایش
8. آمار برای رگرسیون
9. آمار برای طبقه بندی
10. آمار برای روش های مبتنی بر درخت
11. آمار برای روش مجموعه

< li>مجموعه ای از بهترین روش ها

12. تمرین ها و پروژه ها

tag : دانلود کتاب آمار ضروری برای تحلیلگران داده غیرSTEM , Download آمار ضروری برای تحلیلگران داده غیرSTEM , دانلود آمار ضروری برای تحلیلگران داده غیرSTEM , Download Essential Statistics for Non-STEM Data Analysts Book , آمار ضروری برای تحلیلگران داده غیرSTEM دانلود , buy آمار ضروری برای تحلیلگران داده غیرSTEM , خرید کتاب آمار ضروری برای تحلیلگران داده غیرSTEM , دانلود کتاب Essential Statistics for Non-STEM Data Analysts , کتاب Essential Statistics for Non-STEM Data Analysts , دانلود Essential Statistics for Non-STEM Data Analysts , خرید Essential Statistics for Non-STEM Data Analysts , خرید کتاب Essential Statistics for Non-STEM Data Analysts ,