Praktische Statistik für Data Scientists
50+ essenzielle Konzepte mit R und Python
Seiten
2021
O'Reilly (Verlag)
978-3-96010-470-4 (ISBN)
O'Reilly (Verlag)
978-3-96010-470-4 (ISBN)
- Titel leider nicht mehr lieferbar
- Artikel merken
Statistische Konzepte aus der Perspektive von Data Scientists erläutert
Das Buch verbindet nützliche & statistische Prinzipien mit der heutigen Praxis der Datenanalyse
Es ermöglicht Data Scientists, ihr Wissen über Statistik auf ein neues Level zu bringen
Als Übersetzung der 2. Auflage des US-Bestsellers enthält es Beispiele in Python und R
Statistische Methoden sind ein zentraler Bestandteil der Arbeit mit Daten, doch nur wenige Data Scientists haben eine formale statistische Ausbildung. In Kursen und Büchern werden die Grundlagen der Statistik allerdings selten aus der Sicht von Data Scientists behandelt. Dieses praxisorientierte Handbuch erklärt Ihnen anhand zahlreicher Beispiele in Python und R, wie Sie verschiedene statistische Methoden speziell in den Datenwissenschaften anwenden.
Das Buch erläutert, welche statistischen Konzepte für die Datenwissenschaften besonders relevant sind, und zeigt Ihnen auch, wie Sie den falschen Gebrauch von statistischen Verfahren vermeiden. Wenn Sie mit R oder Python vertraut sind, ermöglicht Ihnen diese gut lesbare Referenz ein tieferes Verständnis Ihrer Daten und Sie werden Ihr Statistikwissen für die Praxis deutlich ausbauen.
In diesem Buch erfahren Sie:
warum die explorative Datenanalyse ein wichtiger vorbereitender Arbeitsschritt in der Datenwissenschaft ist
wie Zufallsstichproben Verzerrungen reduzieren und einen qualitativ hochwertigeren Datensatz liefern
wie Sie mit den Prinzipien des experimentellen Designs eindeutige Antworten auf Ihre Forschungsfragen erhalten
wie Sie eine Regression verwenden, um Prognosen zu treffen oder Anomalien zu erkennen
auf welche Weise statistische Methoden aus dem Bereich des Machine Learning es ermöglichen, aus Daten zu lernen
wie Sie Unsupervised Learning nutzen, um Erkenntnisse aus ungelabelten Daten zu gewinnen
Das Buch verbindet nützliche & statistische Prinzipien mit der heutigen Praxis der Datenanalyse
Es ermöglicht Data Scientists, ihr Wissen über Statistik auf ein neues Level zu bringen
Als Übersetzung der 2. Auflage des US-Bestsellers enthält es Beispiele in Python und R
Statistische Methoden sind ein zentraler Bestandteil der Arbeit mit Daten, doch nur wenige Data Scientists haben eine formale statistische Ausbildung. In Kursen und Büchern werden die Grundlagen der Statistik allerdings selten aus der Sicht von Data Scientists behandelt. Dieses praxisorientierte Handbuch erklärt Ihnen anhand zahlreicher Beispiele in Python und R, wie Sie verschiedene statistische Methoden speziell in den Datenwissenschaften anwenden.
Das Buch erläutert, welche statistischen Konzepte für die Datenwissenschaften besonders relevant sind, und zeigt Ihnen auch, wie Sie den falschen Gebrauch von statistischen Verfahren vermeiden. Wenn Sie mit R oder Python vertraut sind, ermöglicht Ihnen diese gut lesbare Referenz ein tieferes Verständnis Ihrer Daten und Sie werden Ihr Statistikwissen für die Praxis deutlich ausbauen.
In diesem Buch erfahren Sie:
warum die explorative Datenanalyse ein wichtiger vorbereitender Arbeitsschritt in der Datenwissenschaft ist
wie Zufallsstichproben Verzerrungen reduzieren und einen qualitativ hochwertigeren Datensatz liefern
wie Sie mit den Prinzipien des experimentellen Designs eindeutige Antworten auf Ihre Forschungsfragen erhalten
wie Sie eine Regression verwenden, um Prognosen zu treffen oder Anomalien zu erkennen
auf welche Weise statistische Methoden aus dem Bereich des Machine Learning es ermöglichen, aus Daten zu lernen
wie Sie Unsupervised Learning nutzen, um Erkenntnisse aus ungelabelten Daten zu gewinnen
| Erscheinungsdatum | 28.03.2025 |
|---|---|
| Sprache | deutsch |
| Maße | 165 x 240 mm |
| Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
| Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge | |
| Schlagworte | Algorithmen • Big Data • Data Mining • Data Science • Datenanalyse • Datenklassifikation • machine learning • Python • R • random forest • Regression • Statistik • Unsupervised Learning • Wahrscheinlichkeit |
| ISBN-10 | 3-96010-470-7 / 3960104707 |
| ISBN-13 | 978-3-96010-470-4 / 9783960104704 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Ein verständlicher Einstieg mit Python
Buch | Softcover (2024)
O'Reilly (Verlag)
CHF 41,85
eine Einführung mit Python, Scikit-Learn und TensorFlow
Buch | Softcover (2024)
O'Reilly (Verlag)
CHF 27,85
