Status Updates From Data Science: guida ai prin...

Letto sia il capitolo 9 che 10. Nel 9 spiega l'importanza di visualizzare i dati e come sia necessaria non confondere una semplice correlazione con una casualità. Nel capitolo 10 introduce il machine learning con i suoi concetti base di apprendimento con supervisione, senza supervisione e apprendimento rafforzato. Introduce la regressione lineare e logistica, per variabili prima continue poi discrete.

Nel capitolo 7 e 8 ci parla di statistica. Introduce le nozioni fondamentali nel capitolo 7 e sono date veramente col cucchiaino quindi ottimo. Nel capito 8 approfondisce le tematiche, cerca di adottare un linguaggio semplice ma la materia acquisisce complessità e senza il rigore e la sintesi delle formula matematiche è dura. Servirebbe un testo più specifico specialmente per i test sulla verifica delle ipotesi.

Nei capitoli 5 e 6 ci parla di probabilità. Introduce le basi del calcolo della probabilità, distingue tra l’approccio a frequenza e quello bayesiano, espone le regole fondamentali, le variabile aleatorie e la legge dei grandi numeri. Gli argomenti trattati sono complessi, ma l’autore li presenta in ottica dei dati dando un’interpretazione funzionale. Tutti gli approfondimenti sono delegati ai libri di matematica.

Nel capitolo 4 introduce alcune nozioni di base della matematica; nello specifico parla di vettori o array utilizzati dalla libreria Numpy, da cui derivano i Series e i DataFrame (ossia matrici) utilizzati nella libreria pandas. Poi parla di sommatorie, di prodotto di vettori, di grafici e pendenza poi di logaritmi ed esponenti, di teoria degli insiemi ed infine di algebra lineare e prodotti di matrici.

Nel capitolo 3 offre una possibile pipeline nella scienza dei dati: porsi una domanda interessante, ottenere dei dati, esplorare i dati, creare un modello per i dati ed infine comunicare e visualizzare i dati.
Si concentra sugli ultimi 3 punti. Pone qualche esempio, presenta la libreria pandas e suoi elementi base Series e DataFrame, parla poco di numpy che usa solo in un’istruzione. Si deve approfondire.

Letto anche il capitolo 2 dove si parla di tipi di dati e dell’esigenza di catalogarli prima di analizzarli. La prima scrematura è capire se i dati sono strutturati o non strutturati, poi se sono qualitativi o quantitativi ed infine analizzare il livello di appartenenza dei dati che sono 4: livello nominale, livello ordinali, livello degli intervalli e livello dei rapporti.

Letta l'introduzione ed il primo capitolo. Presenta la meteria come intersezione di tre sfere: matematica e statistica, informatica, infine conoscenza del dominio di applicazione. Qualche accenno di Python con degli esempi di codice. Il libro sembra interessante, la traduzione italiana non è delle migliore e c'è qualche lacuna, però per me è rilassante leggere in Italiano, quindi va bene così.

nella maggior parte dei casi non viene esplicitato il URL da dove viene preso il dataset e questo è davvero grave.