Cantitate/Preț
Produs
Total produse
Vezi coșul
Handbook of Statistical Analysis: AI and ML Applications de Robert Nisbet

Handbook of Statistical Analysis: AI and ML Applications

Autor Robert Nisbet, Gary D. Miner, Keith McCormick
en Limba Engleză Paperback – 23 dec 2024

Subliniem importanța acestei a treia ediții a Handbook of Statistical Analysis, o resursă esențială care marchează tranziția de la „Era Informației” la „Era Inteligenței”. Modificările aduse față de edițiile precedente sunt substanțiale, reflectând evoluția rapidă a domeniului prin adăugarea unor capitole critice despre Deep Learning, Inteligența Artificială Explicabilă (XAI) și rolul factorului uman în procesul decizional (Human in the Loop). Suntem de părere că această actualizare transformă volumul dintr-un manual statistic clasic într-un ghid complet pentru implementarea soluțiilor de învățare automată.

Structura lucrării urmează o progresie logică, de la bazele teoretice și istorice la un amplu „Data Preparation Cookbook”. Această secțiune de pregătire a datelor este vitală, acoperind totul de la curățare și vizualizare până la ingineria caracteristicilor (feature engineering). În partea de modelare, autorii pun în balanță algoritmii tradiționali cu tehnicile moderne de ansamblu și complexitate. Acoperă aceeași arie tematică precum Data Analytics de Thomas A. Runkler, dar cu o abordare mult mai aplicată, axată pe studii de caz din lumea reală, spre deosebire de fundamentarea strict matematică a lui Runkler.

Contextualizând lucrarea în opera autorului, observăm o evoluție fascinantă a lui Robert Nisbet. De la analizele sociologice profunde din The Sociological Tradition, acesta aplică acum rigoarea observației structurale în zona tehnică. Handbook of Statistical Analysis continuă direcția practică începută în Practical Data Analytics for Innovation in Medicine, oferind instrumente concrete pentru cercetători și analiști. Recomandăm acest manual pentru claritatea cu care tratează seturile de date complexe, oferind tutoriale accesibile și o metodologie riguroasă de evaluare a modelelor.

Citește tot Restrânge

Preț: 54540 lei

Preț vechi: 81931 lei
-33%

Puncte Express: 818

Carte disponibilă

Livrare economică 09-23 mai
Livrare express 05-09 mai pentru 12120 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780443158452
ISBN-10: 0443158452
Pagini: 650
Dimensiuni: 216 x 276 x 20 mm
Greutate: 1.06 kg
Ediția:3
Editura: ELSEVIER SCIENCE

De ce să citești această carte

Recomandăm această carte studenților și profesioniștilor care au nevoie de un flux de lucru complet în analiza datelor. Cititorul câștigă nu doar cunoștințe teoretice despre AI și ML, ci și competențe practice prin studiile de caz din medicină, finanțe și afaceri. Este un instrument indispensabil pentru cei care doresc să stăpânească pregătirea datelor și să înțeleagă mecanismele din spatele algoritmilor moderni de tip „black box” prin prisma XAI.

Despre autor

Robert Nisbet a fost profesor emerit la Universitatea Columbia și un distins cercetător în cadrul American Enterprise Institute. Recunoscut inițial pentru contribuțiile sale majore în sociologie, fiind ales membru al Societății Filosofice Americane, Nisbet și-a extins expertiza spre analiza datelor și statistică aplicată. Lucrările sale timpurii despre comunitate și tradiție sociologică au pus bazele unei înțelegeri structurale a societății, pe care autorul a transpus-o ulterior în metodologii riguroase pentru Data Science și analitică medicală, devenind o autoritate în utilizarea AI pentru inovația în medicină.

Descriere scurtă

Handbook of Statistical Analysis: AI and ML Applications, third edition, is a comprehensive introduction to all stages of data analysis, data preparation, model building, and model evaluation. This valuable resource is useful to students and professionals across a variety of fields and settings: business analysts, scientists, engineers, and researchers in academia and industry. General descriptions of algorithms together with case studies help readers understand technical and business problems, weigh the strengths and weaknesses of modern data analysis algorithms, and employ the right analytical methods for practical application.

This resource is an ideal guide for users who want to address massive and complex datasets with many standard analytical approaches and be able to evaluate analyses and solutions objectively. It includes clear, intuitive explanations of the principles and tools for solving problems using modern analytic techniques; offers accessible tutorials; and discusses their application to real-world problems.


  • Brings together, in a single resource, all the information a beginner needs to understand the tools and issues in data analytics to build successful predictive analytic solutions
  • Provides in-depth descriptions and directions for performing many data preparation operations necessary to generate data sets in the proper form and format for submission to modeling algorithms
  • Features clear, intuitive explanations of standard analytical tools and techniques and their practical applications
  • Provides a number of case studies to guide practitioners in the design of analytical applications to solve real-world problems in their data domain
  • Offers valuable tutorials on the book webpage with step-by-step instructions on how to use suggested tools to build models
  • Provides predictive insights into the rapidly expanding “Intelligence Age” as it takes over from the “Information Age,” enabling readers to easily transition the book’s content into the tools of the future

Cuprins

Part I – Introduction
1. Historical Background to Analytics
2. Theory
3. Data Mining and Predictive Analytic Process
4. Data Science Tool Types: Which one is Best?

Part II - Data Preparation
5. Data Access
6. Data Understanding
7. Data Visualization
8. Data Cleaning
9. Data Conditioning
10. Feature Engineering
11. Feature Selection
12. Data Preparation Cookbook

Part III – Modeling

13. Algorithms
14. Modeling
15. Model Evaluation and Enhancement
16. Ensembles & Complexity
17. Deep Learning vs. Traditional ML
18. Explainable AI (XAI) put after Deep Learning
19. Human in the Loop

Part IV - Applications
20. GENERAL OVERVIEW of an Application - Healthcare Delivery and Medical Informatics
21. Specific Application: Business: Customer Response
22. Specific Application: Education: Learning Analytics
23. Specific Application: Medical Informatics: Colon Cancer Screening
24. Specific Application: Financial: Credit Risk
25. Specific FUTURE Application: The ‘INTELLIGENCE AGE (Revolution)’: LLMs like ChatGPT - Tiny ML - H.U.M.A.N.E. - Etc.

Part V – Right Models – Luck - & Ethics of Analytics
26. Right Model for the Right Use
27. Ethics in Data Science
28. Significance of Luck

Part VI - Tutorials and Case Studies
Tutorial A Example of Data Mining Recipes Using Statistica Data Miner 13
Tutorial B Analysis of Hurricane Data (Hurrdata.sta) Using the Statistica Data Miner 13
Tutorial C Predicting Student Success at High-Stakes Nursing Examinations (NCLEX) Using SPSS Modeler and Statistica Data Miner 13
Tutorial D Constructing a Histogram Using MidWest Company Personality Data Using KNIME
Tutorial E Feature Selection Using KNIME
Tutorial F Medical/Business Tutorial Using Statistica Data Miner 13
Tutorial G A KNIME Exercise, Using Alzheimer’s Training Data of Tutorial F (RAN note: This tutorial refers to the data used in Tutorial I, and it should be changed to refer to Tutorial F. I propose a new title: Tutorial G Medical/Business Tutorial with Tutorial F Data Using KNIME.
Tutorial H Data Prep 1-1: Merging Data Sources Using KNIME
Tutorial I Data Prep 1–2: Data Description Using KNIME
Tutorial J Data Prep 2-1: Data Cleaning and Recoding Using KNIME
Tutorial K Data Prep 2-2: Dummy Coding Category Variables Using KNIME
Tutorial L Data Prep 2-3: Outlier Handling Using KNIME
Tutorial M Data Prep 3-1: Filling Missing Values With Constants Using KNIME
Tutorial N Data Prep 3-2: Filling Missing Values With Formulas Using KNIME
Tutorial O Data Prep 3-3: Filling Missing Values With a Model Using KNIME

Back Matter:
Appendix-A – Listing of TUTORIALS and other RESOUCES on this book’s COMPANION WEB PAGE
Appendix B – Instructions on HOW TO USE this book’s COMPANION WEB PAGE