Practical Statistics for Data Scientists

Bruce

出版时间

2016-12-25

ISBN

9781491952962

评分

★★★★★
书籍介绍
这是一本站在「学院派」与「实战派」裂缝之间的统计书。它不追求把每个公式推导到极致,而是反复追问一个更现实的问题:这些方法在实际处理数据时到底哪里会出错。作者敢于点破学院式算法落地时的症结——假设不成立、场景用错、细节被忽略——这正是许多读者读完其他统计教材后仍会踩坑的地方。书中最被看重的,是它对「何时该用哪种方法」的指引:应用场景、注意事项、以及像模拟(simulation)这类能救场的思路,往往能在面试的关键时刻帮人脱困。它的取舍很明确:以实用换深度,以广度换细节。因此它适合需要快速建立统计直觉、应对数据分析面试或项目的人;若你追求理论上的严密与深入,这里则需要你自己再往下掘一层。
用户评论
统计的内容比较浅,没有讲数学根基,都是讲如何用R实现,但是书整体不错
必读,对数据科学中最重要的统计学概念做了非常系统全面的梳理。推荐给所有即将成为数据科学家,或者已经在当数据科学家的同学。
Very clear and straight-to-point guide for entry level data scientists. Examples are well explained with codes to follow. Would like to see Python over R but other than it everything is good.
如痴如醉
很实用,尤其如果面试需要准备stat这个实在是很实用,然而深度上欠缺也成为必然
本书让我回忆起了之前在墨尔本大学的课程Thinking and Reasoning with Data: - The book title is aligned with its content. The structure also follows a rigious data science workflow (EDA, data processing, hypothesis testing, regression,classification, machine learning and unsupervised learning). - Good balance between stats and ML. They are so nice to show both R
第三次系统学习statistics, 每次都惊呆自己竟然忘得一干二净。
适合作为一个工具书,对照看看同一个方法的R和python的指令。方法没有太多的深入和展开,有些案例举得不太适合。
great practical intro, but need to dig deeper into each technique, its assumptions and use cases
下载
收藏