Olvasói vélemények
Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.
Könyv tartalma:
Ez az innovatív tankönyv a modern statisztikáról szóló kurzus anyagát mutatja be, amely a Pythont mint pedagógiai és gyakorlati eszközt használja. A szerzők a különböző alkalmazott és ipari környezetben eltöltött sokéves oktatói és kutatói munkájukra támaszkodva gondosan alakították a szöveget, hogy az elmélet és a gyakorlati alkalmazások ideális egyensúlyát biztosítsák. Számos példát és esettanulmányt építenek be az egész könyvbe, és átfogó Python-alkalmazásokat illusztrálnak részletesen. Egy egyedi Python-csomag letölthető, amely lehetővé teszi a hallgatók számára, hogy reprodukálják ezeket a példákat, és továbbiakat is felfedezzenek.
A szöveg első fejezetei a változékonyság elemzésével, a valószínűségi modellekkel és az eloszlásfüggvényekkel foglalkoznak. Ezután a szerzők bemutatják a statisztikai következtetést és a bootstrappinget, valamint a több dimenzióban való változékonyságot és a regressziós modelleket. A szöveg ezután a véges sokasági mennyiségek becslésére szolgáló mintavételezéssel, valamint az idősorok elemzésével és előrejelzésével foglalkozik, majd a modern adatelemzési módszerekről szóló két fejezettel zárul. Minden fejezet tartalmaz a tanulást kiegészítő gyakorlatokat, adatsorokat és alkalmazásokat.
Modern statisztika: A Computer-Based Approach with Python egy- vagy kétszemeszteres felsőfokú alap- vagy mesterképzésre készült. A szöveg alapozó jellege miatt bármilyen olyan programmal kombinálható, amelynek tantervében adatelemzésre van szükség, például adattudományi, ipari statisztikai, fizikai és társadalomtudományi, valamint mérnöki kurzusokkal. A kutatók, gyakorlati szakemberek és adattudósok is hasznos forrásként fogják találni a benne szereplő számos alkalmazással és esettanulmánnyal.
Egy második, szorosan kapcsolódó tankönyv címe: Ipari statisztika: A Computer-Based Approach with Python. Olyan témákat tárgyal, mint a statisztikai folyamatszabályozás, beleértve a többváltozós módszereket, a kísérletek tervezése, beleértve a számítógépes kísérleteket és a megbízhatósági módszereket, beleértve a Bayes-megbízhatóságot. Ezek a szövegek önállóan vagy egymást követő kurzusokhoz is használhatók.
A Mistat Python-csomag elérhető a https: //gedeck. github. io/mistat-code-solutions/ModernStatistics/ címen.
"A Modern statisztika című könyvben a modern analitikai módszerekről szóló utolsó két fejezet tartalmazza azt, ami jelenleg nagyon népszerű, különösen a gépi tanulásban, mint például az osztályozók, a klaszterezési módszerek és a szövegelemzés. De az előző fejezeteket is nagyra értékelem, mivel úgy gondolom, hogy a gépi tanulási módszereket alkalmazóknak tisztában kell lenniük azzal, hogy azok nagymértékben támaszkodnak a statisztikai módszerekre. Nagyon nagyra értékelem a sok kidolgozott esetet, amelyek a szerzők sokéves tapasztalatán alapulnak. Ezek nagyon hasznosak a könyvben bemutatott módszerek jobb megértéséhez, majd alkalmazásához. A Python használata megfelel napjaink legjobb programozási tapasztalatainak. Mindezen okok miatt úgy gondolom, hogy a könyvnek is ragyogó és hatásos jövője van, és ezért elismerésemet fejezem ki a szerzőknek.".
Fabrizio Ruggeri professzorKutatási igazgató a Nemzeti Kutatási Tanácsnál, OlaszországA Nemzetközi Üzleti és Ipari Statisztikai Társaság (ISBIS) elnökeAz Alkalmazott sztochasztikus modellek az üzleti és ipari életben (ASMBI) főszerkesztője.
