La science des données en termes simples : Les statistiques

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.

Titre original :

Data Science in Layman's Terms: Statistics

Contenu du livre :

Il existe d'innombrables blogs, cours et tutoriels qui expliquent les concepts statistiques, mais seul un livre peut fournir une feuille de route complète pour comprendre les statistiques. Cependant, les manuels ont tendance à se concentrer sur la théorie et les preuves mathématiques, plutôt que sur les statistiques pratiques ou appliquées. La science des données en termes simples : Statistics établit un équilibre entre un tutoriel facile à lire et un manuel théorique intensif. Il offre une feuille de route complète pour comprendre les statistiques. Les concepts de ce livre sont d'abord expliqués dans un anglais simple, puis soutenus par des images et des équations. Le matériel est organisé de façon linéaire, des idées simples présentées dans les premiers chapitres aux idées complexes présentées dans les derniers chapitres. Chaque chapitre s'appuie sur les informations des chapitres précédents. Chaque chapitre contient du code qui montre comment mettre en œuvre les concepts, à la fois en R et en Python.

Le livre commence par expliquer les concepts statistiques de base et les statistiques descriptives. Il explique ensuite la régression linéaire et logistique, et comment l'optimisation joue un rôle central dans les statistiques. Le livre explique ensuite les tests statistiques permettant de comparer les moyennes des groupes, tels que l'ANOVA et la MANOVA. Les tests paramétriques et non paramétriques sont décrits. Les concepts permettant d'accroître la flexibilité de l'analyse statistique, tels que la régularisation, le rééchantillonnage, la réduction des dimensions et la modélisation non linéaire, sont également expliqués. Plus loin dans le livre, l'approche bayésienne des statistiques est décrite. Les derniers chapitres couvrent l'analyse des séries temporelles et des signaux. Tous ces concepts sont appliqués en R et Python à la fin de chaque chapitre.

Dans ce livre, vous allez.

- Apprendre à construire des modèles statistiques pour prédire des variables continues, ordinales et catégorielles.

- Utiliser la modélisation de séries temporelles pour prévoir les prix des actions et la volatilité.

- Utiliser les données Fitbit pour modéliser les calories brûlées et découvrir combien de pas il faut pour brûler une calorie.

- Créer un faux texte ou un générateur de Tweet qui produit un texte suffisamment proche de la parole normale pour paraître crédible.

- Détecter les valeurs aberrantes, identifier les données potentiellement frauduleuses et détecter les points de changement dans les données de séries temporelles.

- Apprenez à découvrir les ondes gravitationnelles dans les données du signal de l'Observatoire d'ondes gravitationnelles de l'interféromètre laser.

Le dépôt GitHub accompagnant ce livre se trouve à l'adresse suivante : https : //github.com/nlinc1905/dsilt-stats-code.

Autres informations sur le livre :

• ISBN : 9780692150757
• Auteur : Nicholas Lincoln
• Éditeur : Lightning Source Inc
• Langue : anglais
• Reliure : Relié