【干货书】管理统计和数据科学原理,678页pdf

2020 年 7 月 29 日 专知
【干货书】管理统计和数据科学原理,678页pdf




管理统计和数据科学的原理包括:数据可视化;描述性措施;概率;概率分布;数学期望;置信区间;和假设检验。方差分析;简单线性回归;多元线性回归也包括在内。另外,本书还提供了列联表、卡方检验、非参数方法和时间序列方法。

教材:

  • 包括通常在入门统计学课程中涵盖的学术材料,但与数据科学扭曲,较少强调理论

  • 依靠Minitab来展示如何用计算机执行任务

  • 展示并促进来自开放门户的数据的使用

  • 重点是发展对程序如何工作的直觉

  • 让读者了解大数据的潜力和目前使用它的失败之处


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“DS678” 可以获取《管理统计和数据科学原理,678页pdf》专知下载链接索引

专 · 知
专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看5000+AI主题知识资料
登录查看更多
2

相关内容

机器学习简明指南,不可错过!

A Machine Learning Primer

亚马逊研究科学家Mihail Eric关于机器学习实践重要经验。包括监督学习、机器学习实践、无监督学习以及深度学习。具体为:

监督学习

  • 线性回归
  • 逻辑回归
  • 朴素贝叶斯
  • 支持向量机
  • 决策树
  • K-近邻

机器学习实践

  • 偏差-方差权衡
  • 如何选择模型
  • 如何选择特征
  • 正则化你的模型
  • 模型集成
  • 评价指标

无监督学习

  • 市场篮子分析
  • K均值聚类
  • 主成分分析

深度学习

  • 前向神经网络
  • 神经网络实践
  • 卷积神经网络
  • 循环神经网络
成为VIP会员查看完整内容
0
64

关于大数据技术的信息很多,但将这些技术拼接到端到端企业数据平台是一项艰巨的任务,没有得到广泛的讨论。通过这本实用的书,您将学习如何在本地和云中构建大数据基础设施,并成功地构建一个现代数据平台。

本书非常适合企业架构师、IT经理、应用程序架构师和数据工程师,它向您展示了如何克服Hadoop项目期间出现的许多挑战。在深入了解以下内容之前,您将在一个彻底的技术入门中探索Hadoop和大数据领域中可用的大量工具:

  • 基础设施: 查看现代数据平台中的所有组件层,从服务器到数据中心,为企业中的数据建立坚实的基础

-平台: 了解部署、操作、安全性、高可用性和灾难恢复的各个方面,以及将平台与企业IT的其他部分集成在一起所需了解的所有内容

  • 将Hadoop带到云端: 学习在云中运行大数据平台的重要架构方面,同时保持企业安全性和高可用性
成为VIP会员查看完整内容
1
146

本书通过提供真实的案例研究和示例,为使用Python库进行机器学习提供了坚实的基础。它涵盖了诸如机器学习基础、Python入门、描述性分析和预测分析等主题。包括高级机器学习概念,如决策树学习、随机森林、增强、推荐系统和文本分析。这本书在理论理解和实际应用之间采取了一种平衡的方法。所有的主题都包括真实世界的例子,并提供如何探索、构建、评估和优化机器学习模型的逐步方法。

成为VIP会员查看完整内容
Machine Learning using Python by Manaranjan Pradhan.pdf
0
233
小贴士
相关VIP内容
专知会员服务
64+阅读 · 2020年10月5日
专知会员服务
82+阅读 · 2020年8月27日
【干货书】用Python构建概率图模型,173页pdf
专知会员服务
81+阅读 · 2020年8月23日
专知会员服务
132+阅读 · 2020年8月14日
专知会员服务
116+阅读 · 2020年7月27日
专知会员服务
175+阅读 · 2020年6月24日
【干货书】《机器学习导论(第二版)》,348页pdf
专知会员服务
156+阅读 · 2020年6月16日
专知会员服务
146+阅读 · 2020年6月15日
专知会员服务
103+阅读 · 2020年6月4日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
233+阅读 · 2020年3月17日
相关论文
Kemal Oksuz,Baris Can Cam,Sinan Kalkan,Emre Akbas
22+阅读 · 2020年3月11日
Qianhui Wu,Zijia Lin,Guoxin Wang,Hui Chen,Börje F. Karlsson,Biqing Huang,Chin-Yew Lin
12+阅读 · 2019年11月14日
Junlang Zhan,Hai Zhao
3+阅读 · 2019年3月1日
A New Ensemble Learning Framework for 3D Biomedical Image Segmentation
Hao Zheng,Yizhe Zhang,Lin Yang,Peixian Liang,Zhuo Zhao,Chaoli Wang,Danny Z. Chen
4+阅读 · 2018年12月10日
Learning Implicit Fields for Generative Shape Modeling
Zhiqin Chen,Hao Zhang
9+阅读 · 2018年12月6日
Implicit Maximum Likelihood Estimation
Ke Li,Jitendra Malik
6+阅读 · 2018年9月24日
Wenhan Xiong,Mo Yu,Shiyu Chang,Xiaoxiao Guo,William Yang Wang
3+阅读 · 2018年8月27日
Xuefei Ning,Yin Zheng,Zhuxi Jiang,Yu Wang,Huazhong Yang,Junzhou Huang
3+阅读 · 2018年6月18日
Shudong Hao,Jordan Boyd-Graber,Michael J. Paul
4+阅读 · 2018年4月26日
Avik Ray,Joe Neeman,Sujay Sanghavi,Sanjay Shakkottai
3+阅读 · 2018年2月24日
Top