Cantitate/Preț
Produs
Total produse
Vezi coșul
Veridical Data Science de Bin Yu

Veridical Data Science

Autor Bin Yu, Rebecca L. Barter
en Limba Engleză Hardback – 15 oct 2024

În domeniul științei datelor (data science), trecerea de la mediul academic la aplicațiile industriale relevă adesea o discrepanță majoră între modelele teoretice perfecte și realitatea datelor brute. Remarcăm modul în care Veridical Data Science, semnată de Bin Yu și Rebecca L. Barter, refuză să trateze disciplina ca pe un proces liniar, alegând în schimb să exploreze provocările intrinseci ale proiectelor reale. Autorii propun un cadru metodologic inovator, denumit PCS (Predictability, Computability, Stability), conceput pentru a ancora rezultatele analizelor în realitate și pentru a gestiona incertitudinea ce derivă din deciziile subiective ale cercetătorului. Observăm o structură tehnică riguroasă care acoperă întreg ciclul de viață al unui proiect, de la formularea întrebării de domeniu până la implementare. Spre deosebire de manualele clasice care se concentrează exclusiv pe algoritmi, acest volum publicat de MIT Press Ltd pune accent pe gândirea critică și pe stabilitatea modelelor. Complementar lucrării Statistics for Scientists de Umberto Michelucci, care oferă o introducere concisă în conceptele statistice fundamentale, volumul de față merge mai departe, integrând stabilitatea computațională și oferind suport practic prin cod R și Python pentru probleme complexe de modelare. De asemenea, dacă Doing Data Science de Cathy O'Neil oferă o perspectivă largă asupra industriei prin studii de caz de la companii mari, Veridical Data Science furnizează fundamentul metodologic necesar pentru a asigura reproductibilitatea și responsabilitatea rezultatelor obținute. Apreciem includerea exercițiilor și a soluțiilor, elemente care transformă acest format hardback într-un instrument de lucru esențial pentru cei care doresc să depășească faza de simplu utilizator de biblioteci software, devenind arhitecți de soluții de date veridice.

Citește tot Restrânge

Preț: 54372 lei

Preț vechi: 67965 lei
-20%

Puncte Express: 816

Carte disponibilă

Livrare economică 28 septembrie-12 octombrie
Livrare express 12-18 septembrie pentru 5455 lei

Livrare prin curier în România Termenul estimat este afișat lângă disponibilitate.
Transport gratuit pentru acest produs Plată online sau ramburs, în funcție de opțiunile comenzii.
Retur gratuit în 14 zile Comandă securizată și suport în română.
 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780262049191
ISBN-10: 0262049198
Pagini: 526
Dimensiuni: 157 x 232 x 37 mm
Greutate: 0.96 kg
Editura: MIT Press Ltd

De ce să citești această carte

Recomandăm această carte profesioniștilor și studenților care vor să înțeleagă rigoarea din spatele deciziilor de modelare. Cititorul câștigă o metodologie clară (PCS) pentru a valida dacă rezultatele obținute sunt stabile sau doar artefacte ale datelor. Este un ghid practic esențial pentru oricine dorește să construiască sisteme de analiză a datelor care să reziste testului realității, dincolo de simplele exerciții teoretice.

Descriere

Using real-world data case studies, this innovative and accessible textbook introduces an actionable framework for conducting trustworthy data science. Most textbooks present data science as a linear analytic process involving a set of statistical and computational techniques without accounting for the challenges intrinsic to real-world applications. Veridical Data Science, by contrast, embraces the reality that most projects begin with an ambiguous domain question and messy data; it acknowledges that datasets are mere approximations of reality while analyses are mental constructs. Bin Yu and Rebecca Barter employ the innovative Predictability, Computability, and Stability (PCS) framework to assess the trustworthiness and relevance of data-driven results relative to three sources of uncertainty that arise throughout the data science life cycle: the human decisions and judgment calls made during data collection, cleaning, and modeling. By providing real-world data case studies, intuitive explanations of common statistical and machine learning techniques, and supplementary R and Python code, Veridical Data Science offers a clear and actionable guide for conducting responsible data science. Requiring little background knowledge, this lucid, self-contained textbook provides a solid foundation and principled framework for future study of advanced methods in machine learning, statistics, and data science. Presents the Predictability, Computability, and Stability (PCS) methodology for producing trustworthy data-driven resultsTeaches how a data science project should be conducted from beginning to end, including extensive discussion of the data scientist's decision-making processCultivates critical thinking throughout the entire data science life cycleProvides practical examples and illuminating case studies of real-world data analysis problems with associated code, exercises, and solutionsSuitable for advanced undergraduate and graduate students, domain scientists, and practitioners

Cuprins

Contents vii
Acknowledgments xv
Preface xvii
I PART 1: AN INTRODUCTION TO VERIDICAL DATA SCIENCE 1
1 An introduction to veridical data science 3
2 The Data Science Life Cycle 23
3 Setting up your data science project 43
II PART 2: PREPARING, EXPLORING, AND DESCRIBING DATA 65
4 Data Preparation 67
5 Exploratory Data Analysis 109
6 Principal component analysis 149
7 Clustering 197
III PART 3: PREDICTION 253
8 An introduction to prediction problems 255
9 Predicting continuous responses with Least Squares 275
10 Extending the Least Squares algorithm 311
11 Predicting binary responses and logistic regression 353
12 Decision trees and random forest 403
13 Producing the final prediction results 437
14 Conclusion 473
Answers to True or False exercises 481