دانلود کتاب Statistical Foundations Of Data Science – مبانی آماری علم داده

توضیحات

Statistical Foundations of Data Science gives a thorough introduction to commonly used statistical models, contemporary statistical machine learning techniques and algorithms, along with their mathematical insights and statistical theories. It aims to serve as a graduate-level textbook and a research monograph on high-dimensional statistics, sparsity and covariance learning, machine learning, and statistical inference. It includes ample exercises that involve both theoretical studies as well as empirical applications. The book begins with an introduction to the stylized features of big data and their impacts on statistical analysis. It then introduces multiple linear regression and expands the techniques of model building via nonparametric regression and kernel tricks. It provides a comprehensive account on sparsity explorations and model selections for multiple regression, generalized linear models, quantile regression, robust regression, hazards regression, among others. High-dimensional inference is also thoroughly addressed and so is feature screening. The book also provides a comprehensive account on high-dimensional covariance estimation, learning latent factors and hidden structures, as well as their applications to statistical estimation, inference, prediction and machine learning problems. It also introduces thoroughly statistical machine learning theory and methods for classification, clustering, and prediction. These include CART, random forests, boosting, support vector machines, clustering algorithms, sparse PCA, and deep learning.

————————————————————–

ترجمه ماشینی :

مبانی آماری علم داده، مقدمه‌ای کامل بر مدل‌های آماری رایج، تکنیک‌ها و الگوریتم‌های یادگیری ماشین آماری معاصر، همراه با بینش‌های ریاضی و تئوری‌های آماری آن‌ها ارائه می‌کند. هدف این کتاب این است که به عنوان یک کتاب درسی در سطح فارغ التحصیل و یک تک نگاری تحقیقاتی در مورد آمار با ابعاد بالا، یادگیری پراکندگی و کوواریانس، یادگیری ماشین و استنتاج آماری خدمت کند. این شامل تمرین های فراوانی است که هم شامل مطالعات نظری و هم کاربردهای تجربی می شود. کتاب با مقدمه‌ای بر ویژگی‌های سبک داده‌های بزرگ و تأثیر آن‌ها بر تحلیل آماری آغاز می‌شود. سپس رگرسیون خطی چندگانه را معرفی می‌کند و تکنیک‌های ساخت مدل را از طریق رگرسیون ناپارامتری و ترفندهای هسته گسترش می‌دهد. این یک گزارش جامع در مورد اکتشافات پراکندگی و انتخاب مدل برای رگرسیون چندگانه، مدل‌های خطی تعمیم‌یافته، رگرسیون چندک، رگرسیون قوی، رگرسیون خطرات، و غیره ارائه می‌دهد. استنتاج با ابعاد بالا نیز به طور کامل مورد توجه قرار می گیرد و غربالگری ویژگی نیز به همین ترتیب است. این کتاب همچنین یک گزارش جامع در مورد تخمین کوواریانس با ابعاد بالا، یادگیری عوامل پنهان و ساختارهای پنهان، و همچنین کاربردهای آنها در برآورد آماری، استنتاج، پیش‌بینی و مشکلات یادگیری ماشین ارائه می‌کند. همچنین تئوری و روش‌های یادگیری ماشینی کاملاً آماری را برای طبقه‌بندی، خوشه‌بندی و پیش‌بینی معرفی می‌کند. اینها عبارتند از CART، جنگل‌های تصادفی، تقویت، ماشین‌های بردار پشتیبانی، الگوریتم‌های خوشه‌بندی، PCA پراکنده و یادگیری عمیق.

tag : دانلود کتاب مبانی آماری علم داده , Download مبانی آماری علم داده , دانلود مبانی آماری علم داده , Download Statistical Foundations Of Data Science Book , مبانی آماری علم داده دانلود , buy مبانی آماری علم داده , خرید کتاب مبانی آماری علم داده , دانلود کتاب Statistical Foundations Of Data Science , کتاب Statistical Foundations Of Data Science , دانلود Statistical Foundations Of Data Science , خرید Statistical Foundations Of Data Science , خرید کتاب Statistical Foundations Of Data Science ,