Overview

Métodos estatísticos são uma parte crucial da ciência de dados; ainda assim, poucos cientistas de dados têm formação estatística.

Os cursos e livros sobre estatística básica raramente abordam os tópicos sob a perspectiva da ciência de dados.

Este guia prático explica como aplicar diversos métodos estatísticos em ciência de dados, ensina a evitar seu mau uso e aconselha sobre o que é importante e o que não é.

Muitos recursos da ciência de dados incorporam métodos estatísticos, mas carecem de uma perspectiva estatística aprofundada. Se você está familiarizado com a linguagem de programação R e tem algum conhecimento estatístico, este guia fará a ponte de forma fácil e acessível.

Com este livro, você aprenderá:

• Por que a análise exploratória de dados é um passo prévio importante na ciência de dados
• Como a amostragem aleatória pode reduzir o viés e resultar um conjunto de dados de maior qualidade, mesmo em big data
• Como os princípios do design experimental resultam respostas definitivas
• Como usar regressão para estimar resultados e detectar anomalias
• Principais técnicas de classificação para prever a quais categorias um registro pertence
• Métodos de aprendizado de máquina estatístico que “aprendem” com os dados
• Métodos de aprendizado não supervisionado para extração de significado de dados não rotulados

“ Este livro não é só mais um livro universitário de estatística ou um manual de aprendizado de máquina.

É muito melhor: ele faz a conexão entre termos e princípios estatísticos úteis e os jargões e a prática da exploração de dados, com explicações clarase muitos exemplos.

Este livro é uma referência incrível para iniciantes e veteranos da ciência de dados.” ―Galit Shmueli Principal autora da série best-seller Data Mining for Business Analytics e professora titular na National Tsing Hua University, Taiwan