|
|
|
|
| LEADER |
02818nmm a2200433 u 4500 |
| 001 |
EB002167033 |
| 003 |
EBX01000000000000001306048 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
230704 ||| pol |
| 020 |
|
|
|a 9788328374287
|
| 050 |
|
4 |
|a QA276.4
|
| 100 |
1 |
|
|a Bruce, Peter C.
|
| 130 |
0 |
|
|a Practical statistics for data scientists
|
| 245 |
0 |
0 |
|a Statystyka praktyczna w data science
|b 50 kluczowych zagadnień w językach R i Python
|c Peter Bruce, Andrew Bruce, Peter Gedeck ; przekład, Krzysztof Sawka, Marta Danch-Wierzchowska
|
| 250 |
|
|
|a Wydanie II.
|
| 260 |
|
|
|a Gliwice
|b Helion
|c 2021
|
| 300 |
|
|
|a 296 pages
|b illustrations
|
| 505 |
0 |
|
|a Includes bibliographical references
|
| 653 |
|
|
|a Big data / Mathematics
|
| 653 |
|
|
|a Mathematical analysis / Statistical methods / fast
|
| 653 |
|
|
|a Recherche quantitative / Méthodes statistiques
|
| 653 |
|
|
|a Quantitative research / Statistical methods
|
| 653 |
|
|
|a Données volumineuses / Mathématiques
|
| 653 |
|
|
|a Quantitative research / Statistical methods / fast
|
| 653 |
|
|
|a Analyse mathématique / Méthodes statistiques
|
| 653 |
|
|
|a Mathematical analysis / Statistical methods
|
| 700 |
1 |
|
|a Bruce, Andrew
|e author
|
| 700 |
1 |
|
|a Gedeck, Peter
|e author
|
| 700 |
1 |
|
|a Sawka, Krzysztof
|e translator
|
| 041 |
0 |
7 |
|a pol
|2 ISO 639-2
|
| 989 |
|
|
|b OREILLY
|a O'Reilly
|
| 776 |
|
|
|z 8328374285
|
| 776 |
|
|
|z 9788328374287
|
| 856 |
4 |
0 |
|u https://learning.oreilly.com/library/view/~/9788328374287/?ar
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 510
|
| 082 |
0 |
|
|a 001.42
|
| 082 |
0 |
|
|a 001.4/226
|
| 520 |
|
|
|a Metody statystyczne są kluczowym narzędziem w data science, mimo to niewielu analityków danych zdobyło wykształcenie w ich zakresie. Może im to utrudniać uzyskiwanie dobrych efektów. Zrozumienie praktycznych zasad statystyki okazuje się ważne również 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 narzę̜dziami wywodzącymi się̜ z informatyki. To drugie wydanie popularnego podrę̜cznika statystyki przeznaczonego dla analityków danych. Uzupełniono je o obszerne przykłady w Pythonie oraz wyjaśnienie, jak stosować poszczególne metody statystyczne w problemach data science, a także jak ich nie używać. Skoncentrowano się też na tych zagadnieniach statystyki, które odgrywają istotną rolę w data science. Wyjaśniono, które koncepcje są ważne i przydatne z tej perspektywy, a które mniej istotne i dlaczego. Co ważne, poszczególne koncepcje i zagadnienia praktyczne przedstawiono w sposób przyswajalny i zrozumiały również dla osób nienawykłych do posługiwania się statystyką na co dzień
|