Métodos estatísticos são uma parte crucial da ciência de dados; ainda assim, poucos cientistas de dados têm formação estatística.
Os cursos e livros sobre estatística básica raramente abordam os tópicos sob a perspectiva da ciência de dados.
Este guia prático explica como aplicar diversos métodos estatísticos em ciência de dados, ensina a evitar seu mau uso e aconselha sobre o que é importante e o que não é.
Muitos recursos da ciência de dados incorporam métodos estatísticos, mas carecem de uma perspectiva estatística aprofundada. Se você está familiarizado com a linguagem de programação R e tem algum conhecimento estatístico, este guia fará a ponte de forma fácil e acessível.
Com este livro, você aprenderá:
Por que a análise exploratória de dados é um passo prévio importante na ciência de dadosComo a amostragem aleatória pode reduzir o viés e resultar um conjunto de dados de maior qualidade, mesmo em big dataComo os princípios do design experimental resultam respostas definitivasComo usar regressão para estimar resultados e detectar anomaliasPrincipais técnicas de classificação para prever a quais categorias um registro pertenceMétodos de aprendizado de máquina estatístico que “aprendem” com os dadosMétodos de aprendizado não supervisionado para extração de significado de dados não rotulados
“ Este livro não é só mais um livro universitário de estatística ou um manual de aprendizado de máquina.
É muito melhor: ele faz a conexão entre termos e princípios estatísticos úteis e os jargões e a prática da exploração de dados, com explicações clarase muitos exemplos.
Este livro é uma referência incrível para iniciantes e veteranos da ciência de dados.” ―Galit Shmueli Principal autora da série best-seller Data Mining for Business Analytics e professora titular na National Tsing Hua University, Taiwan
Da editora
Editora : Alta Books; 1ª edição (1 julho 2019)
Idioma : Português
Capa comum : 392 páginas
ISBN-10 : 855080603X
ISBN-13 : 978-8550806037
Dimensões : 16 x 2 x 23 cm
Avaliações
Não há avaliações ainda.