КНИГ
Откройте для себя секреты анализа данных с помощью «Прикладной статистики: анализ данных»! Эта всеобъемлющая электронная книга даст вам возможность стать экспертом по анализу данных независимо от вашего текущего уровня навыков.
Внутри вы найдете:
1. Четкие и краткие объяснения основных концепций и методов анализа данных.
2. Реальные примеры и тематические исследования для иллюстрации практического применения.
3. Экспертные мнения, советы и интерактивные учебные ресурсы для улучшения вашего понимания.
Это руководство идеально подходит для студентов, специалистов и всех, кто хочет использовать возможности анализа данных. Это ваш ключ к раскрытию потенциала ваших данных. Совершенствуйте свои навыки и присоединяйтесь к бесчисленному множеству других, добившихся успеха в анализе данных.
Не жди — скачайте наши БЕСПЛАТНЫЕ образцы ниже и отправляйтесь на путь к мастерству анализа данных уже сегодня!
За последнее десятилетие произошел взрыв в области вычислений и информационных технологий. Вместе с ним появились огромные объемы данных в различных областях, таких как медицина, биология, финансы и маркетинг. Проблема понимания этих данных привела к разработке новых инструментов в области статистики и породила новые области, такие как интеллектуальный анализ данных, машинное обучение и биоинформатика. Многие из этих инструментов имеют общую основу, но часто выражаются с использованием разной терминологии. В этой книге важные идеи в этих областях описаны в общей концептуальной структуре. Хотя подход является статистическим, упор делается на концепции, а не на математику. Приведено множество примеров со свободным использованием цветной графики. Это ценный ресурс для статистиков и всех, кто интересуется интеллектуальным анализом данных в науке или промышленности. Охват книги широк: от обучения с учителем (прогнозированием) до обучения без учителя. Многие темы включают нейронные сети, машины опорных векторов, деревья классификации и бустинг — первое комплексное рассмотрение этой темы в любой книге.
В этом крупном новом издании представлены многие темы, не затронутые в оригинале, включая графические модели, случайные леса, ансамблевые методы, регрессию наименьших углов и алгоритмы пути для лассо, неотрицательную матричную факторизацию и спектральную кластеризацию. Также есть глава, посвященная методам для «широких» данных (p больше n), включая множественное тестирование и частоту ложных обнаружений.
Авторские права на эту книгу принадлежат компании Springer Science+Business Media, LLC, которая согласилась разрешить Тревору Хэсти сохранять книгу доступной в Интернете.
Методы машинного обучения быстро и с скромными ресурсами извлекают пользу из огромных наборов данных. Они являются признанными инструментами в широком спектре промышленных приложений, включая поисковые системы, секвенирование ДНК, анализ фондового рынка и передвижение роботов, и их использование быстро распространяется. Люди, знающие эти методы, могут выбирать высокооплачиваемую работу. Этот практический текст открывает эти возможности студентам-компьютерщикам со скромным математическим образованием. Он предназначен для студентов последних курсов и магистров с ограниченными знаниями в области линейной алгебры и математического анализа. Комплексный и последовательный, он развивает все, от базовых рассуждений до передовых методов в рамках графических моделей. Студенты изучают больше, чем набор техник, они развивают аналитические навыки и навыки решения проблем, которые готовят их к работе в реальном мире. В каждую главу включены многочисленные примеры и упражнения, как компьютерные, так и теоретические. Ресурсы для студентов и преподавателей, включая набор инструментов MATLAB, доступны в Интернете.
Авторские права на эту книгу принадлежат издательству Cambridge University Press, которое согласилось разрешить онлайн-версии оставаться в свободном доступе.