Avis des lecteurs
Résumé:Ce livre est bien accueilli pour son approche pratique de l'enseignement du codage et des concepts statistiques, ce qui le rend approprié à la fois pour l'auto-apprentissage et comme manuel pour les cours. Il fournit des exercices utiles et des explications claires, en particulier dans les domaines de la science des données et des probabilités.
Avantages:⬤ Efficace pour l'auto-apprentissage et l'enseignement.
⬤ Révision complète des concepts statistiques et codage.
⬤ Bonne organisation des exercices (problèmes mathématiques et informatiques).
⬤ Explications claires et exemples pratiques.
⬤ Quelques fautes de frappe mineures, ce qui indique une bonne édition.
⬤ Certains exemples peuvent sembler détachés des applications.
⬤ Quelques erreurs typographiques notées, bien que mineures pour la plupart.
(basé sur 3 avis de lecteurs)
Titre original :
Probability and Statistics for Data Science: Math + R + Data
Contenu du livre :
Probabilité et statistiques pour la science des données : Math + R + Data couvre les « maths stat » - distributions, valeur attendue, estimation, etc. --mais prend l'expression « Data Science » dans le titre très au sérieux :
* Des ensembles de données réelles sont largement utilisés.
* Toutes les analyses de données sont supportées par le codage R.
* Comprend de nombreuses applications de la science des données, telles que l'ACP, les distributions de mélanges, les modèles de graphes aléatoires, les modèles de Markov cachés, la régression linéaire et logistique, et les réseaux neuronaux.
* L'étudiant est amené à réfléchir de manière critique sur le « comment » et le « pourquoi » des statistiques, et à « avoir une vue d'ensemble ».
* Il n'est pas axé sur les théorèmes et les preuves, mais les concepts et les modèles sont énoncés d'une manière mathématiquement précise.
Les prérequis sont le calcul, un peu d'algèbre matricielle et une certaine expérience de la programmation.
Norman Matloff est professeur d'informatique à l'Université de Californie, Davis, où il était auparavant professeur de statistiques. Il fait partie des comités éditoriaux du Journal of Statistical Software et du R Journal. Son livre Statistical Regression and Classification : From Linear Models to Machine Learning a reçu le prix Ziegel du meilleur livre chroniqué dans Technometrics en 2017. Il a reçu le Distinguished Teaching Award de son université.
Autres informations sur le livre :
| ISBN : | 9781138393295 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 412 |
Achat:
Actuellement disponible, en stock.
