
Probability for Data Scientists
Probability for Data Scientists bietet Studierenden eine mathematisch fundierte und dennoch leicht zugängliche Einführung in die Theorie und Anwendungen der Wahrscheinlichkeitsrechnung. Die Studierenden lernen, wie die Wahrscheinlichkeitstheorie die Statistik, die Datenwissenschaft und die Theorie des maschinellen Lernens unterstützt, indem sie es Wissenschaftlern ermöglicht, über die bloße Beschreibung von Daten hinaus zu Schlussfolgerungen über bestimmte Populationen zu gelangen.
Das Buch ist in zwei Teile gegliedert. Teil I führt die Leser in grundlegende Definitionen, Theoreme und Methoden im Kontext diskreter Stichprobenräume ein. Er befasst sich mit dem Ursprung des mathematischen Studiums der Wahrscheinlichkeit, den wichtigsten Konzepten der modernen Wahrscheinlichkeitstheorie, univariaten und bivariaten diskreten Wahrscheinlichkeitsmodellen und der Multinomialverteilung.
Teil II baut auf dem in Teil I vermittelten Wissen auf, um den Studierenden die entsprechenden Ideen im Kontext kontinuierlicher Stichprobenräume zu präsentieren. Es werden Modelle für einfache und mehrfache kontinuierliche Zufallsvariablen und die Anwendung von Wahrscheinlichkeitssätzen in der Statistik untersucht.
Wahrscheinlichkeitsrechnung für Datenwissenschaftler führt Studenten effektiv in die Schlüsselkonzepte der Wahrscheinlichkeitsrechnung ein und zeigt, wie ein kleiner Satz von Methoden auf eine Vielzahl von kontextunabhängigen Problemen angewendet werden kann. Es eignet sich gut für Kurse in Statistik, Datenwissenschaft, Theorie des maschinellen Lernens oder jeden anderen Kurs mit einem Schwerpunkt in der Wahrscheinlichkeitsrechnung. Jedes Kapitel enthält zahlreiche Übungen, von denen einige R-Softwarecode zur Durchführung von Experimenten enthalten, die die Gesetze der Wahrscheinlichkeit veranschaulichen.
Juana Sanchez ist Dozentin an der Fakultät für Statistik der University of California, Los Angeles, und DSS-Redakteurin des Journal of Statistics Education. Sie promovierte an der Washington University in St. Louis, Missouri, und ihre Forschungsinteressen umfassen statistische Indikatoren, multivariate Statistik, MINT-Bildung und Zeitreihen.