EBOOKS
Découvrez les secrets de l’analyse des données avec « Applied Statistics : Data Analysis » ! Cet eBook complet vous permettra de devenir un expert en analyse de données, quel que soit votre niveau de compétence actuel.
A l'intérieur, vous trouverez:
1. Explications claires et concises des concepts et techniques essentiels de l’analyse des données.
2. Exemples concrets et études de cas pour illustrer des applications pratiques.
3. Des conseils d'experts, des conseils et des ressources d'apprentissage interactives pour améliorer votre compréhension.
Parfait pour les étudiants, les professionnels ou toute personne désireuse d'exploiter la puissance de l'analyse des données, ce guide est la clé pour libérer le potentiel de vos données. Transformez vos compétences et rejoignez les innombrables autres personnes qui ont réussi l’analyse de données.
N'attendez pas - téléchargez nos échantillons GRATUITS ci-dessous et lancez-vous dès aujourd’hui dans votre voyage vers la maîtrise de l’analyse des données !
Au cours de la dernière décennie, on a assisté à une explosion des technologies informatiques et informatiques. Cela a donné lieu à de grandes quantités de données dans divers domaines tels que la médecine, la biologie, la finance et le marketing. Le défi de la compréhension de ces données a conduit au développement de nouveaux outils dans le domaine des statistiques et a donné naissance à de nouveaux domaines tels que l'exploration de données, l'apprentissage automatique et la bioinformatique. Beaucoup de ces outils ont des fondements communs mais sont souvent exprimés avec une terminologie différente. Ce livre décrit les idées importantes dans ces domaines dans un cadre conceptuel commun. Bien que l’approche soit statistique, l’accent est mis sur les concepts plutôt que sur les mathématiques. De nombreux exemples sont donnés, avec une utilisation libérale des graphiques en couleur. Il s'agit d'une ressource précieuse pour les statisticiens et toute personne intéressée par l'exploration de données dans le domaine scientifique ou industriel. La couverture du livre est large, de l'apprentissage supervisé (prédiction) à l'apprentissage non supervisé. Les nombreux sujets incluent les réseaux de neurones, les machines à vecteurs de support, les arbres de classification et le boosting – le premier traitement complet de ce sujet dans un livre.
Cette nouvelle édition majeure présente de nombreux sujets non abordés dans l'original, notamment les modèles graphiques, les forêts aléatoires, les méthodes d'ensemble, la régression aux moindres angles et les algorithmes de chemin pour le lasso, la factorisation matricielle non négative et le regroupement spectral. Il existe également un chapitre sur les méthodes pour les données « larges » (p supérieur à n), y compris les tests multiples et les taux de fausses découvertes.
Les droits d'auteur sur ce livre sont détenus par Springer Science+Business Media, LLC, qui a accepté d'autoriser Trevor Hastie à maintenir le livre disponible sur le Web.
Les méthodes d’apprentissage automatique extraient rapidement et avec des ressources modestes la valeur de vastes ensembles de données. Ce sont des outils bien établis dans un large éventail d’applications industrielles, notamment les moteurs de recherche, le séquençage de l’ADN, l’analyse boursière et la locomotion des robots, et leur utilisation se répand rapidement. Les personnes qui connaissent les méthodes ont le choix entre des emplois enrichissants. Ce texte pratique ouvre ces opportunités aux étudiants en informatique ayant une formation mathématique modeste. Il est conçu pour les étudiants de dernière année de premier cycle et de maîtrise ayant une formation limitée en algèbre linéaire et en calcul. Complet et cohérent, il développe tout depuis le raisonnement de base jusqu'aux techniques avancées dans le cadre de modèles graphiques. Les étudiants apprennent plus qu'un menu de techniques, ils développent des compétences d'analyse et de résolution de problèmes qui les équipent pour le monde réel. De nombreux exemples et exercices, à la fois informatiques et théoriques, sont inclus dans chaque chapitre. Des ressources pour les étudiants et les instructeurs, y compris une boîte à outils MATLAB, sont disponibles en ligne.
Les droits d'auteur sur ce livre sont détenus par Cambridge University Press, qui a accepté d'autoriser le version en ligne rester librement accessible.