Statistics for Data Science

قبل از ورود به دنیای علم داده، اصول اولیه آمار خود را دریافت کنید

درباره این کتاب

• نیازی به گرفتن مدرک در آمار نیست، این کتاب را بخوانید و یک پایگاه آماری قوی برای علم داده و برنامه های دنیای واقعی بدست آورید؛
• اجرای آمار در کارهای علم داده مانند پاکسازی داده ها، استخراج، و تجزیه و تحلیل
• با کمک برنامه های R همه چیز را در مورد احتمال، آمار، محاسبات عددی و موارد دیگر بیاموزید

این کتاب برای چه کسی است

این کتاب برای آن دسته از توسعه دهندگانی است که مایل به ورود به حوزه علم داده هستند و به دنبال اطلاعات مختصر آمار با کمک برنامه های روشنگر و توضیح ساده هستند. برخی از دست های اولیه در R مفید خواهند بود.

آنچه یاد خواهید گرفت

• تحلیل گذار از یک توسعه دهنده داده به یک ذهنیت دانشمند داده< /li>
• با برنامه های R و منطق مورد استفاده برای محاسبات آماری آشنا شوید
• مفاهیم ریاضی مانند واریانس، انحراف معیار، احتمال، محاسبات ماتریس و موارد دیگر را درک کنید
• یادگیری پیاده سازی آمار در وظایف علم داده مانند پاکسازی داده ها، کاوی و تجزیه و تحلیل
• یادگیری تکنیک های آماری مورد نیاز برای انجام کارهایی مانند رگرسیون خطی، منظم سازی، ارزیابی مدل، تقویت، SVM و کار با سیستم عصبی شبکه ها
• با انجام محاسبات آماری مختلف برای علم داده به صورت برنامه نویسی راحت باشید

در جزئیات

علم داده یک زمینه ای همیشه در حال تکامل که با سرعتی تصاعدی در حال افزایش محبوبیت است. علم داده شامل تکنیک ها و نظریه های استخراج شده از حوزه های آمار است. علوم کامپیوتر، و مهمتر از همه، یادگیری ماشین، پایگاه های داده، تجسم داده ها، و غیره.

این کتاب شما را در سفری کامل از آمار، از دانستن بسیار اندک تا راحت شدن در استفاده از روش های آماری مختلف راهنمایی می کند. برای وظایف علم داده با آمار ساده شروع می شود و سپس به سمت روش های آماری که در الگوریتم های علم داده استفاده می شود، می رود. برنامه های R برای محاسبات آماری به وضوح همراه با منطق توضیح داده شده است. با مفاهیم ریاضی مختلفی مانند واریانس، انحراف معیار، احتمال، محاسبات ماتریس و غیره مواجه خواهید شد. شما فقط آنچه را که برای اجرای آمار در کارهای علم داده مانند پاکسازی داده ها، استخراج و تجزیه و تحلیل لازم است، یاد خواهید گرفت. شما تکنیک های آماری مورد نیاز برای انجام کارهایی مانند رگرسیون خطی، منظم سازی، ارزیابی مدل، تقویت، SVM و کار با شبکه های عصبی را خواهید آموخت.

در پایان کتاب، با انجام کار راحت خواهید بود. محاسبات مختلف آماری برای علم داده به صورت برنامه‌ریزی کد نمونه برای این کتاب می‌توانید فایل‌های کد نمونه را برای همه کتاب‌های Packt که از حساب خود در http://www.PacktPub.com خریداری کرده‌اید دانلود کنید. اگر این کتاب را از جای دیگری خریداری کرده اید، می توانید از http://www.PacktPub.com/support دیدن کنید و برای داشتن فایل کد ثبت نام کنید.

Get your statistics basics right before diving into the world of data science

About This Book

• No need to take a degree in statistics, read this book and get a strong statistics base for data science and real-world programs;
• Implement statistics in data science tasks such as data cleaning, mining, and analysis
• Learn all about probability, statistics, numerical computations, and more with the help of R programs

Who This Book Is For

This book is intended for those developers who are willing to enter the field of data science and are looking for concise information of statistics with the help of insightful programs and simple explanation. Some basic hands on R will be useful.

What You Will Learn

• Analyze the transition from a data developer to a data scientist mindset
• Get acquainted with the R programs and the logic used for statistical computations
• Understand mathematical concepts such as variance, standard deviation, probability, matrix calculations, and more
• Learn to implement statistics in data science tasks such as data cleaning, mining, and analysis
• Learn the statistical techniques required to perform tasks such as linear regression, regularization, model assessment, boosting, SVMs, and working with neural networks
• Get comfortable with performing various statistical computations for data science programmatically

In Detail

Data science is an ever-evolving field, which is growing in popularity at an exponential rate. Data science includes techniques and theories extracted from the fields of statistics; computer science, and, most importantly, machine learning, databases, data visualization, and so on.

This book takes you through an entire journey of statistics, from knowing very little to becoming comfortable in using various statistical methods for data science tasks. It starts off with simple statistics and then move on to statistical methods that are used in data science algorithms. The R programs for statistical computation are clearly explained along with logic. You will come across various mathematical concepts, such as variance, standard deviation, probability, matrix calculations, and more. You will learn only what is required to implement statistics in data science tasks such as data cleaning, mining, and analysis. You will learn the statistical techniques required to perform tasks such as linear regression, regularization, model assessment, boosting, SVMs, and working with neural networks.

By the end of the book, you will be comfortable with performing various statistical computations for data science programmatically.

Style and approach

Step by step comprehensive guide with real world examples

Downloading the example code for this book. You can download the example code files for all Packt books you have purchased from your account at http://www.PacktPub.com. If you purchased this book elsewhere, you can visit http://www.PacktPub.com/support and register to have the code file.