Descrição

p strong Métodos estatísticos são uma parte crucial da ciência de dados; ainda assim, poucos cientistas de dados têm formação estatística. /strong /p p Os cursos e livros sobre estatística básica raramente abordam os tópicos sob a perspectiva da ciência de dados. /p p 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. /p p 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. /p p strong Com este livro, você aprenderá: /strong /p ul li Por que a análise exploratória de dados é um passo prévio importante na ciência de dados /li li Como a amostragem aleatória pode reduzir o viés e resultar um conjunto de dados de maior qualidade, mesmo em big data /li li Como os princípios do design experimental resultam respostas definitivas /li li Como usar regressão para estimar resultados e detectar anomalias /li li Principais técnicas de classificação para prever a quais categorias um registro pertence /li li Métodos de aprendizado de máquina estatístico que aprendem com os dados /li li Métodos de aprendizado não supervisionado para extração de significado de dados não rotulados /li /ul p Este livro não é só mais um livro universitário de estatística ou um manual de aprendizado de máquina. /p p 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. /p p Este livro é uma referência incrível para iniciantes e veteranos da ciência de dados.   strong Galit Shmueli /strong  Principal autora da série best-seller Data Mining for Business Analytics e professora titular na National Tsing Hua University, Taiwan /p