Estadística Práctica para Científicos de Datos, 2ª Edición

Los métodos estadísticos son una parte clave de la ciencia de datos, pero pocos científicos de datos tienen una formación estadística formal. Los cursos y libros sobre estadística básica rara vez tratan el tema desde la perspectiva de la ciencia de datos. La segunda edición de esta popular guía añade ejemplos completos en Python, proporciona orientación práctica sobre la aplicación de los métodos estadísticos a la ciencia de datos, te dice cómo evitar su uso incorrecto y te aconseja sobre lo que es importante y lo que no.

Muchos recursos de ciencia de datos incorporan métodos estadísticos, pero carecen de una perspectiva estadística más profunda. Si estás familiarizado con los lenguajes de programación R o Python y tienes algún contacto con la estadística, esta referencia rápida salva las distancias en un formato accesible y legible.

Con este libro aprenderás

• Por qué el análisis exploratorio de datos es un paso preliminar clave en la ciencia de datos
• Cómo el muestreo aleatorio puede reducir el sesgo y producir un conjunto de datos de mayor calidad, incluso con big data
• Cómo los principios del diseño experimental dan respuestas definitivas a las preguntas
• Cómo utilizar la regresión para estimar resultados y detectar anomalías
• Técnicas clave de clasificación para predecir a qué categorías pertenece un registro
• Métodos estadísticos de aprendizaje automático que "aprenden" de los datos
• Métodos de aprendizaje no supervisado para extraer el significado de datos no etiquetados