Avis des lecteurs
Résumé:Ce livre est très apprécié pour son contenu informatif sur les statistiques à haute dimension, ce qui en fait une ressource solide pour les étudiants diplômés et les chercheurs dans des domaines tels que les statistiques et l'apprentissage automatique. Bien qu'il soit mathématiquement rigoureux, il reste accessible grâce à des explications détaillées et de nombreux exemples. Cependant, certains lecteurs trouvent que le texte est quelque peu aride en raison de sa nature mathématique, et il y a des plaintes concernant la qualité de la reliure dans au moins une édition.
Avantages:⬤ Très instructif
⬤ bien écrit et lisible
⬤ couverture étendue des sujets de pointe
⬤ idéal pour les étudiants de troisième cycle et les chercheurs
⬤ explications et exemples détaillés
⬤ rigoureux sans être frustrant
⬤ ne nécessite pas de théorie de la mesure.
⬤ Le livre peut être sec en raison de son contenu mathématique important
⬤ certains chapitres manquent de preuves détaillées
⬤ plaintes concernant la mauvaise qualité de la reliure dans certaines éditions.
(basé sur 7 avis de lecteurs)
Titre original :
High-Dimensional Statistics: A Non-Asymptotic Viewpoint
Contenu du livre :
Ces dernières années ont été marquées par une explosion du volume et de la variété des données collectées dans toutes les disciplines scientifiques et tous les contextes industriels.
Ces données massives posent un certain nombre de défis aux chercheurs en statistique et en apprentissage automatique. Cet ouvrage constitue une introduction indépendante au domaine des statistiques à haute dimension, destinée aux étudiants de première année d'études supérieures.
Il comprend des chapitres axés sur la méthodologie et la théorie de base - y compris les limites de la queue, les inégalités de concentration, les lois uniformes et le processus empirique, et les matrices aléatoires - ainsi que des chapitres consacrés à l'exploration approfondie de classes de modèles particulières - y compris les modèles linéaires clairsemés, les modèles matriciels avec contraintes de rang, les modèles graphiques, et divers types de modèles non paramétriques. Avec des centaines d'exemples et d'exercices, ce texte est destiné à la fois aux cours et à l'auto-apprentissage des étudiants diplômés et des chercheurs en statistique, en apprentissage automatique et dans des domaines connexes qui doivent comprendre, appliquer et adapter des méthodes statistiques modernes adaptées aux données à grande échelle.
Autres informations sur le livre :
| ISBN : | 9781108498029 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2019 |
| Nombre de pages : | 568 |
Achat:
Actuellement disponible, en stock.
