Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python wyd. 2 (Helion)

Metody statystyczne są kluczowym narzędziem w data science, mimo to niewielu analityków informacji zdobyło wykształcenie w ich zakresie. Może im to utrudniać uzyskiwanie dobrych efektów. Zrozumienie poręcznych zasad statystyki okazuje się ważne jeszcze dla programistów R i Pythona, którzy tworzą rozwiązania dla data science. Kursy podstaw statystyki rzadko jednak uwzględniają tę perspektywę, a większość podręczników do statystyki w ogóle nie zajmuje się narzędziami wywodzącymi się z informatyki.To drugie wydanie popularnego podręcznika statystyki asygnowanego dla analityków informacji. Uzupełniono je o szerokie przykłady w Pythonie, a także wyjaśnienie, jak stosować poszczególne metody statystyczne w problemach data science oraz jak ich nie używać. Skoncentrowano się również na tych zagadnieniach statystyki, które odgrywają wyraźną rolę w data science. Wyjaśniono, które koncepcje są ważne i przydatne z tej perspektywy, a które mniej widoczne i dlaczego. Co ważne, poszczególne koncepcje i zagadnienia poręczne przedstawiono w sposób przyswajalny i zrozumiały także dla osób nienawykłych do posługiwania się statystyką na co dzień.