Statistical methods are a key part of data science, yet few data scientists have formal statistical training. Courses and books on basic statistics rarely cover the topic from a data science perspective. The second edition of this popular guide adds comprehensive examples in Python, provides practical guidance on applying statistical methods to data science, tells you how to avoid their misuse, and gives you advice on what’s important and what’s not.
Many data science resources incorporate statistical methods but lack a deeper statistical perspective. If you’re familiar with the R or Python programming languages and have some exposure to statistics, this quick reference bridges the gap in an accessible, readable format.
With this book, you’ll learn:
• Why exploratory data analysis is a key preliminary step in data science
• How random sampling can reduce bias and yield a higher-quality dataset, even with big data
• How the principles of experimental design yield definitive answers to questions
• How to use regression to estimate outcomes and detect anomalies
• Key classification techniques for predicting which categories a record belongs to
• Statistical machine learning methods that "learn" from data
• Unsupervised learning methods for extracting meaning from unlabeled data

lgrsnf/Bruce,Bruce&Gedeck_Practical Statistics for Data Scientists. 50+ Essential Concepts Using R and Python, 2nd Edition.epub

zlib/Computers/Databases/Peter Bruce; Andrew Bruce; Peter Gedeck/Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python_5464970.epub

Практическая статистика для специалистов Data Science: 50+ важнейших понятий с использованием R и Python: перевод с английского

Bruce, Peter, Bruce, Andrew, Gedeck, Peter

PETER BRUCE ANDREW GEDECK, PETER BRUCE

Питер Брюс, Эндрю Брюс, Питер Гедек

O'reilly media, inc, usa

БХВ-Петербург

2-е изд., перераб. и доп., Санкт-Петербург, Russia, 2021

United States, United States of America

O'Reilly Media, Sebastopol, CA, 2020

Second edition, Sebastopol, CA, 2020

2, US, 2020

lg2508664

{"edition":"2","isbns":["149207294X","9781492072942"],"last_page":368,"publisher":"O'Reilly Media"}

Библиогр.: с. 337-338
Пер.: Bruce, Peter Practical statistics for data scientists Beijing etc. : O'Reilly, cop. 2020 978-1-492-07294-2
Предм. указ.: с. 339-346

РГБ

Russian State Library [rgb] MARC:
=001 010782173
=005 20210826145319.0
=008 210817s2021\\\\ru\\\\\\\\\\\\000\|\rus|d
=017 \\ $a КН-П-21-058573 $b RuMoRKP
=020 \\ $a 978-5-9775-6705-3 $c 1300 экз.
=040 \\ $a RuMoRKP $b rus $e rcr $d RuMoRGB
=041 1\ $a rus $h eng
=044 \\ $a ru
=080 \\ $a 004.438 $2 4
=084 \\ $a З973.2-018.19R,0 $2 rubbk
=084 \\ $a В172с31,0 $2 rubbk
=100 1\ $a Брюс, Питер
=245 00 $a Практическая статистика для специалистов Data Science : $b 50+ важнейших понятий с использованием R и Python : перевод с английского $c Питер Брюс, Эндрю Брюс, Питер Гедек
=250 \\ $a 2-е изд., перераб. и доп.
=260 \\ $a Санкт-Петербург $b БХВ-Петербург $c 2021
=300 \\ $a 346 с. $b ил., табл. $c 23 см
=336 \\ $a Текст (визуальный)
=337 \\ $a непосредственный
=504 \\ $a Библиогр.: с. 337-338
=520 \\ $a Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Во второе издание включены примеры на языке Python, что расширяет практическое применение книги
=534 \\ $p Пер.: $a Bruce, Peter $t Practical statistics for data scientists $c Beijing etc. : O'Reilly, cop. 2020 $z 978-1-492-07294-2
=555 \\ $a Предм. указ.: с. 339-346
=650 \7 $a Программирования языки $2 RuMoRKP
=650 \7 $a Компьютеры персональные $x Программы по статистике $2 RuMoRKP
=650 \7 $a Техника. Технические науки -- Энергетика. Радиоэлектроника -- Радиоэлектроника -- Вычислительная техника -- Вычислительные машины электронные цифровые -- Программирование -- Языки программирования -- R $2 rubbk
=700 1\ $a Брюс, Эндрю
=700 1\ $a Гедек, Питер
=852 7\ $a РГБ $b CZ2 $h З973.26-32/Б89 $x 83
=852 \\ $a РГБ $b FB $j 2 21-44/368 $x 90

Statistical Methods Are A Key Part Of Data Science, Yet Few Data Scientists Have Formal Statistical Training. Courses And Books On Basic Statistics Rarely Cover The Topic From A Data Science Perspective. The Second Edition Of This Practical Guide-now Including Examples In Python As Well As R-explains How To Apply Various Statistical Methods To Data Science, Tells You How To Avoid Their Misuse, And Gives You Advice On What's Important And What's Not. Many Data Scientists Use Statistical Methods But Lack A Deeper Statistical Perspective. If You're Familiar With The R Or Python Programming Languages, And Have Had Some Exposure To Statistics But Want To Learn More, This Quick Reference Bridges The Gap In An Accessible, Readable Format. With This Updated Edition, You'll Dive Into: Exploratory Data Analysis Data And Sampling Distributions Statistical Experiments And Significance Testing Regression And Prediction Classification Statistical Machine Learning Unsupervised Learning.--

Книга рассчитана на специалистов в области Data Science, обладающих некоторым опытом работы с языком программирования R и имеющих предварительное понятие о математической статистике. В ней в удобной и легкодоступной форме представлены ключевые понятия из статистики, которые относятся к науке о данных, а также объяснено, какие понятия важны и полезны с точки зрения науки о данных, какие менее важны и почему. Подробно раскрыты темы: разведочный анализ данных, распределения данных и выборок, статистические эксперименты и проверка значимости, регрессия и предсказание, классификация, статистическое машинное обучение и обучение без учителя. Во второе издание включены примеры на языке Python, что расширяет практическое применение книги

May 2017: First Edition
Revision History for the First Edition
2017-05-09: First Release
2017-06-23: Second Release
2018-05-11: Third Release

2020-04-25