What do you think?
Rate this book
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
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
- GenresTechnical
390 pages, Kindle Edition
Published September 12, 2019
14 people are currently reading
33 people want to read
Ratings & Reviews
Friends & Following
Create a free account to discover what your friends think of this book!
Community Reviews
Displaying 1 of 1 review
September 23, 2021
É um livro avançado. Como são 50 conceitos, é tudo bastante superficial.
Displaying 1 of 1 review