توضیحات
Designed as a textbook for a one or two-term introduction to mathematical statistics for students training to become data scientists, Foundations of Statistics for Data Scientists: With R and Python is an in-depth presentation of the topics in statistical science with which any data scientist should be familiar, including probability distributions, descriptive and inferential statistical methods, and linear modelling. The book assumes knowledge of basic calculus, so the presentation can focus on ‘why it works’ as well as ‘how to do it.’ Compared to traditional ‘mathematical statistics’ textbooks, however, the book has less emphasis on probability theory and more emphasis on using software to implement statistical methods and to conduct simulations to illustrate key concepts. All statistical analyses in the book use R software, with an appendix showing the same analyses with Python.
The book also introduces modern topics that do not normally appear in mathematical statistics texts but are highly relevant for data scientists, such as Bayesian inference, generalized linear models for non-normal responses (e.g., logistic regression and Poisson loglinear models), and regularized model fitting. The nearly 500 exercises are grouped into ‘Data Analysis and Applications’ and ‘Methods and Concepts.’ Appendices introduce R and Python and contain solutions for odd-numbered exercises. The book’s website has expanded R, Python, and Matlab appendices and all data sets from the examples and exercises.
Alan Agresti, Distinguished Professor Emeritus at the University of Florida, is the author of seven books, including Categorical Data Analysis (Wiley) and Statistics: The Art and Science of Learning from Data (Pearson), and has presented short courses in 35 countries. His awards include an honorary doctorate from De Montfort University (UK) and the Statistician of the Year from the American Statistical Association (Chicago chapter). Maria Kateri, Professor of Statistics and Data Science at the RWTH Aachen University, authored the monograph Contingency Table Analysis: Methods and Implementation Using R (Birkhuser/Springer) and a textbook on mathematics for economists (in German). She has a long-term experience in teaching statistics courses to students of Data Science, Mathematics, Statistics, Computer Science, and Business Administration and Engineering.
‘The main goal of this textbook is to present foundational statistical methods and theory that are relevant in the field of data science. The authors depart from the typical approaches taken by many conventional mathematical statistics textbooks by placing more emphasis on providing the students with intuitive and practical interpretations of those methods with the aid of R programming codes…I find its particular strength to be its intuitive presentation of statistical theory and methods without getting bogged down in mathematical details that are perhaps less useful to the practitioners’ (Mintaek Lee, Boise State University)
‘The aspects of this manuscript that I find appealing: 1. The use of real data. 2. The use of R but with the option to use Python. 3. A good mix of theory and practice. 4. The text is well-written with good exercises. 5. The coverage of topics (e.g. Bayesian methods and clustering) that are not usually part of a course in statistics at the level of this book.’ (Jason M. Graham, University of Scranton)
————————————————————–
ترجمه ماشینی :
طراحی شده به عنوان یک کتاب درسی برای معرفی یک یا دو ترم آمار ریاضی برای دانش آموزانی که برای تبدیل شدن به دانشمند داده آموزش می بینند، مبانی آمار برای دانشمندان داده: با R و پایتون یک کتاب است. – ارائه عمیق موضوعاتی در علم آمار که هر دانشمند داده باید با آن آشنا باشد، از جمله توزیع احتمال، روش های آماری توصیفی و استنباطی و مدل سازی خطی. این کتاب دانش حساب پایه را فرض میکند، بنابراین ارائه میتواند روی «چرا کار میکند» و همچنین «چگونگی انجام آن» تمرکز کند. با این حال، در مقایسه با کتابهای درسی سنتی «آمار ریاضی»، این کتاب تأکید کمتری بر نظریه احتمال دارد و تأکید بیشتری بر استفاده از نرمافزار برای پیادهسازی روشهای آماری و انجام شبیهسازی برای نشان دادن مفاهیم کلیدی دارد. تمام تحلیلهای آماری کتاب از نرمافزار R استفاده میکنند، همراه با پیوستی که تحلیلهای مشابه با پایتون را نشان میدهد.
این کتاب همچنین موضوعات مدرنی را معرفی میکند که معمولاً در متون آمار ریاضی ظاهر نمیشوند، اما برای دانشمندان داده بسیار مرتبط هستند. مانند استنتاج بیزی، مدلهای خطی تعمیمیافته برای پاسخهای غیر عادی (مانند رگرسیون لجستیک و مدلهای لاگ خطی پواسون)، و برازش مدل منظم. تقریباً 500 تمرین در «تجزیه و تحلیل دادهها و کاربردها» و «روشها و مفاهیم» دستهبندی میشوند. ضمائم R و Python را معرفی می کنند و حاوی راه حل هایی برای تمرینات با اعداد فرد هستند. وب سایت کت
tag : دانلود کتاب مبانی آمار برای دانشمندان داده: با R و پایتون (متن های چپمن و هال/CRC در علوم آماری) , Download مبانی آمار برای دانشمندان داده: با R و پایتون (متن های چپمن و هال/CRC در علوم آماری) , دانلود مبانی آمار برای دانشمندان داده: با R و پایتون (متن های چپمن و هال/CRC در علوم آماری) , Download Foundations of Statistics for Data Scientists: With R and Python (Chapman & Hall/CRC Texts in Statistical Science) Book , مبانی آمار برای دانشمندان داده: با R و پایتون (متن های چپمن و هال/CRC در علوم آماری) دانلود , buy مبانی آمار برای دانشمندان داده: با R و پایتون (متن های چپمن و هال/CRC در علوم آماری) , خرید کتاب مبانی آمار برای دانشمندان داده: با R و پایتون (متن های چپمن و هال/CRC در علوم آماری) , دانلود کتاب Foundations of Statistics for Data Scientists: With R and Python (Chapman & Hall/CRC Texts in Statistical Science) , کتاب Foundations of Statistics for Data Scientists: With R and Python (Chapman & Hall/CRC Texts in Statistical Science) , دانلود Foundations of Statistics for Data Scientists: With R and Python (Chapman & Hall/CRC Texts in Statistical Science) , خرید Foundations of Statistics for Data Scientists: With R and Python (Chapman & Hall/CRC Texts in Statistical Science) , خرید کتاب Foundations of Statistics for Data Scientists: With R and Python (Chapman & Hall/CRC Texts in Statistical Science) ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.