Avis des lecteurs
Résumé:Ce livre est un guide détaillé et complet de l'utilisation de R pour la science des données, loué pour sa clarté et sa rigueur, bien qu'il ne soit pas forcément adapté aux débutants. Il offre une base solide à l'informatique moderne avec R, en particulier pour ceux qui ont déjà une certaine expérience.
Avantages:Très détaillé et complet, met l'accent sur les sujets importants, explications claires et approfondies, convient aux utilisateurs intermédiaires et avancés, inclut des études de cas et des exemples appliqués intéressants, met l'accent sur les techniques de programmation R modernes, présentation et matériel de haute qualité.
Inconvénients:Ne convient pas comme introduction pour les débutants, manque d'explications claires dans certains domaines, les exemples peuvent être survolés, la structure organisationnelle peut être déroutante, certains utilisateurs ont subi des dommages lors de l'expédition.
(basé sur 11 avis de lecteurs)
Titre original :
Introduction to Data Science: Data Analysis and Prediction Algorithms with R
Contenu du livre :
Introduction à la science des données : Data Analysis and Prediction Algorithms with R présente les concepts et les compétences qui peuvent vous aider à relever les défis de l'analyse des données dans le monde réel. Il couvre les concepts de probabilité, d'inférence statistique, de régression linéaire et d'apprentissage automatique. Il vous aide également à développer des compétences telles que la programmation R, le traitement des données, la visualisation des données, la construction d'algorithmes prédictifs, l'organisation des fichiers avec le shell UNIX/Linux, le contrôle de version avec Git et GitHub, et la préparation de documents reproductibles.
Ce livre est un manuel pour un premier cours en science des données. Aucune connaissance préalable de R n'est nécessaire, bien qu'une certaine expérience de la programmation puisse être utile. Le livre est divisé en six parties : R, la visualisation des données, les statistiques avec R, le traitement des données, l'apprentissage automatique et les outils de productivité. Chaque partie comporte plusieurs chapitres destinés à être présentés sous la forme d'un cours magistral.
L'auteur utilise des études de cas motivantes qui imitent de manière réaliste l'expérience d'un scientifique des données. Il commence par poser des questions spécifiques et y répond par l'analyse de données, de sorte que les concepts sont appris comme un moyen de répondre aux questions. Voici quelques exemples d'études de cas : Les taux d'homicides aux États-Unis par État, la taille déclarée des étudiants, les tendances en matière de santé et d'économie mondiales, l'impact des vaccins sur les taux de maladies infectieuses, la crise financière de 2007-2008, les prévisions électorales, la constitution d'une équipe de base-ball, le traitement d'images de chiffres écrits à la main et les systèmes de recommandation de films.
Les concepts statistiques utilisés pour répondre aux questions des études de cas ne sont que brièvement présentés. Il est donc fortement recommandé de compléter le cours avec un manuel de probabilités et de statistiques pour une compréhension approfondie de ces concepts. Si vous lisez et comprenez les chapitres et faites les exercices, vous serez prêt à apprendre les concepts plus avancés et les compétences nécessaires pour devenir un expert.
Un manuel de solutions complet est disponible pour les enseignants inscrits qui ont besoin du texte pour un cours.
Autres informations sur le livre :
| ISBN : | 9780367357986 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2019 |
| Nombre de pages : | 713 |
Achat:
Actuellement disponible, en stock.
