Bewertung:
Das Buch ist ein detaillierter und umfassender Leitfaden zur Verwendung von R für die Datenwissenschaft, der für seine Klarheit und Gründlichkeit gelobt wird, auch wenn er für Anfänger nicht unbedingt geeignet ist. Es bietet eine solide Grundlage für die moderne Datenverarbeitung mit R, insbesondere für diejenigen, die bereits etwas Erfahrung haben.
Vorteile:Sehr detailliert und umfassend, betont wichtige Themen, klare und gründliche Erklärungen, gut für Fortgeschrittene, enthält interessante Fallstudien und Anwendungsbeispiele, starker Fokus auf moderne R-Programmiertechniken, hochwertige Präsentation und Materialien.
Nachteile:Nicht als Einführung für Anfänger geeignet, in einigen Bereichen fehlen klare Erklärungen, Beispiele können beschönigt werden, organisatorische Struktur könnte verwirrend sein, einige Benutzer hatten Schäden beim Versand.
(basierend auf 11 Leserbewertungen)
Introduction to Data Science: Data Analysis and Prediction Algorithms with R
Einführung in die Datenwissenschaft: Datenanalyse und Vorhersagealgorithmen mit R führt in Konzepte und Fähigkeiten ein, die Ihnen helfen können, reale Herausforderungen der Datenanalyse zu bewältigen. Es behandelt Konzepte aus den Bereichen Wahrscheinlichkeit, statistische Inferenz, lineare Regression und maschinelles Lernen. Außerdem hilft es Ihnen, Fähigkeiten wie R-Programmierung, Datenverarbeitung, Datenvisualisierung, Erstellung von Vorhersagealgorithmen, Dateiorganisation mit der UNIX/Linux-Shell, Versionskontrolle mit Git und GitHub und die Erstellung reproduzierbarer Dokumente zu entwickeln.
Dieses Buch ist ein Lehrbuch für einen ersten Kurs in Datenwissenschaft. Es sind keine Vorkenntnisse in R erforderlich, obwohl einige Erfahrungen mit der Programmierung hilfreich sein können. Das Buch ist in sechs Teile gegliedert: R, Datenvisualisierung, Statistik mit R, Data Wrangling, maschinelles Lernen und Produktivitätstools. Jeder Teil besteht aus mehreren Kapiteln, die als eine Vorlesung präsentiert werden.
Der Autor verwendet motivierende Fallstudien, die die Erfahrungen eines Datenwissenschaftlers realistisch nachahmen. Er beginnt damit, spezifische Fragen zu stellen und diese durch Datenanalyse zu beantworten, so dass Konzepte als Mittel zur Beantwortung der Fragen gelernt werden. Beispiele für die enthaltenen Fallstudien sind: Mordraten in den USA nach Bundesstaaten, selbst angegebene Körpergröße von Schülern, Trends in der Weltgesundheit und -wirtschaft, Auswirkungen von Impfstoffen auf die Rate von Infektionskrankheiten, die Finanzkrise 2007-2008, Wahlprognosen, Aufbau eines Baseballteams, Bildverarbeitung von handgeschriebenen Ziffern und Filmempfehlungssysteme.
Die statistischen Konzepte, die zur Beantwortung der Fallstudienfragen verwendet werden, werden nur kurz vorgestellt, so dass die Ergänzung durch ein Lehrbuch über Wahrscheinlichkeit und Statistik für ein tieferes Verständnis dieser Konzepte sehr zu empfehlen ist. Wenn Sie die Kapitel lesen und verstehen und die Übungen bearbeiten, werden Sie darauf vorbereitet sein, die fortgeschritteneren Konzepte und Fähigkeiten zu erlernen, die erforderlich sind, um ein Experte zu werden.
Ein vollständiges Lösungshandbuch ist für registrierte Lehrkräfte erhältlich, die den Text für einen Kurs benötigen.
| ISBN: | 9780367357986 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 713 |
Derzeit verfügbar, auf Lager.
