Os métodos estatísticos são uma parte fundamental da ciência de dados, mas poucos cientistas de dados têm treinamento estatístico formal. Cursos e livros sobre estatística básica raramente abordam o tópico de uma perspectiva de ciência de dados. A segunda edição deste guia popular adiciona exemplos abrangentes em Python, fornece orientação prática sobre a aplicação de métodos estatísticos à ciência de dados, ensina como evitar seu uso indevido e oferece conselhos sobre o que é importante e o que não é.
Muitos recursos de ciência de dados incorporam métodos estatísticos, mas carecem de uma perspectiva estatística mais profunda. Se você está familiarizado com as linguagens de programação R ou Python e tem alguma exposição à estatística, esta referência rápida preenche a lacuna em um formato acessível e legível.
Com este livro, você aprenderá:
Por que a análise exploratória de dados é uma etapa preliminar fundamental na ciência de dados
Como a amostragem aleatória pode reduzir o viés e produzir um conjunto de dados de maior qualidade, mesmo com big data
Como os princípios do design experimental produzem respostas definitivas para perguntas
Como usar a regressão para estimar resultados e detectar anomalias
Principais técnicas de classificação para prever a quais categorias um registro pertence
Métodos estatísticos de aprendizagem de máquina que “aprendem” a partir de dados
Métodos de aprendizagem não supervisionada para extrair significado de dados não rotulados
Sobre o autor
Peter Bruce é o Fundador e Diretor Acadêmico do Instituto para Educação em Estatística em Statistics.com, que oferece cerca de 80 cursos em estatística e análise, aproximadamente metade dos quais são voltados para cientistas de dados.. Ele é autor ou coautor de vários livros em estatística e análise, e obteve seu diploma de bacharel em Princeton, e mestrados em Harvard e na Universidade de Maryland.
^
Andrew Bruce, Cientista de Pesquisa Principal na Amazon, tem mais de 30 anos de experiência em estatística e ciência de dados na academia, governo e negócios. O coautor de Análise de Ondas Aplicada com S-PLUS, obteve seu bacharelado em Princeton e doutorado em estatística na Universidade de Washington
^
Peter Gedeck, Cientista de Dados Sênior na Collaborative Drug Discovery, é especialista no desenvolvimento de algoritmos de aprendizado de máquina para prever propriedades biológicas e físico-químicas de candidatos a fármacos.. Coautor de Mineração de Dados para Análise de Negócios, ele obteve doutorados em Química pela Universidade de Erlangen-Nürnberg na Alemanha e em Matemática pela Fernuniversität Hagen, Alemanha.
Reembolso por não entrega
