Practical Statistics for Data Scientists, 2e

I metodi statistici sono una parte fondamentale della scienza dei dati, ma pochi data scientist hanno una formazione statistica formale. I corsi e i libri sulla statistica di base raramente trattano l'argomento da una prospettiva di data science. La seconda edizione di questa famosa guida aggiunge esempi completi in Python, fornisce indicazioni pratiche sull'applicazione dei metodi statistici alla scienza dei dati, ti spiega come evitare il loro uso improprio e ti dà consigli su cosa è importante e cosa no.

Molte risorse sulla scienza dei dati incorporano metodi statistici ma mancano di una prospettiva statistica più profonda. Se hai familiarità con i linguaggi di programmazione R o Python e hai una certa familiarità con la statistica, questa guida rapida colma il divario in un formato accessibile e leggibile.

Con questo libro imparerai:

• Perché l'analisi esplorativa dei dati è un passo preliminare fondamentale per la scienza dei dati.

• Come il campionamento casuale può ridurre i pregiudizi e produrre un set di dati di qualità superiore, anche con i big data

• Come i principi del disegno sperimentale danno risposte definitive alle domande

• Come utilizzare la regressione per stimare i risultati e rilevare le anomalie

• Le principali tecniche di classificazione per prevedere a quali categorie appartiene un record

• Metodi di apprendimento automatico statistico che "imparano" dai dati

• Metodi di apprendimento non supervisionato per estrarre il significato da dati non etichettati.