Este livro ensina métodos estatísticos importantes para ciência de dados, como amostragem aleatória, design experimental, regressão, classificação e aprendizado de máquina, explicando como aplicá-los e evitar mau uso. Ele faz a conexão entre termos estatísticos e a prática da exploração de dados com exemplos claros, sendo uma referência útil para iniciantes e experientes na área.
Este livro ensina métodos estatísticos importantes para ciência de dados, como amostragem aleatória, design experimental, regressão, classificação e aprendizado de máquina, explicando como aplicá-los e evitar mau uso. Ele faz a conexão entre termos estatísticos e a prática da exploração de dados com exemplos claros, sendo uma referência útil para iniciantes e experientes na área.
Este livro ensina métodos estatísticos importantes para ciência de dados, como amostragem aleatória, design experimental, regressão, classificação e aprendizado de máquina, explicando como aplicá-los e evitar mau uso. Ele faz a conexão entre termos estatísticos e a prática da exploração de dados com exemplos claros, sendo uma referência útil para iniciantes e experientes na área.
SINOPSE DO LIVRO "Estatística Prática para Cientistas de Dados"
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 dados % % Como a amostragem aleatória pode reduzir o viés e resultar um conjunto de dados de maior qualidade, mesmo em big data % % Como os princípios do design experimental resultam respostas definitivas % % Como usar regressão para estimar resultados e detectar anomalias % % Principais técnicas de classificação para prever a quais categorias um registro pertence % % Métodos de aprendizado de máquina estatístico que “aprendem” com os dados % % Métodos 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
Visite para saber mais: https://ler-livros.com/ler-online-ebook-pdf-estatistica-pratic