در این صفحه کتاب‌های نسبتا جدید و کاربردی برای یادگیری موضوعات مختلف تحلیل داده، آمار، علوم داده، هوش مصنوعی و شیوه‌های به‌کارگیری آن‌ها در حوزه‌های کاری و پژوهشی گوناگون معرفی خواهد شد.
مفاهیم اساسی در آمار
تفکر آماری
Think Stats, Exploratory Data Analysis
کتاب Think Stats مقدمه‌ای کاربردی برای یادگیری مفاهیم «احتمال و آمار» برای کاربران پایتون است. اگر مهارت‌های پایه‌ای کدنویسی در پایتون را دارید، می‌توانید از آن‌ها برای یادگیری مفاهیم احتمال و آمار و همچنین کسب مهارت‌های عملی در کار با داده استفاده کنید.
O’Reilly, Allen B. Downey, 3rd edition, 2023
Python
فهرست:
Preface, Exploratory Data Analysis, Distributions, Probability Mass Functions, Cumulative Distribution Functions, Modeling Distributions, Probability Density Functions, Relationships between variables, Estimation, Hypothesis Testing, Least Squares, Multiple Regression, Time Series Analysis, Survival analysis, Analytic Methods
نکته جالب در مورد «تفکر آماری» نگاه متفاوت و مدرنِ آلن داونی به آمار در این کتاب است. او معتقد است علوم داده در حقیقت بر جنبه‌های ناپارمتری و پردازشی آمار بنا شده و از این منظر تفاوتی اساسی با آمار کلاسیک دارد. در نتیجه نگاه متفاوتی در آموزش می‌طلبد. سیستم آموزشیِ برآمده از آمار کلاسیک ماموریت دانش‌آموخته آمار را تنها به پیدا کردن آزمون آماری مناسب فرو می‌کاهد – انگار همه مسائل آماری قبلا حل شده‌اند و کار دیگری باقی نمانده است (+).
داونی معتقد است یادگیری آمار با تکیه بر توان پردازش کامپیوتر برای آزمون‌وخطا، چهارچوبی جدید برای احیای دوباره آمار فراهم کرده است. او در این کتاب تلاش کرده تا شهودی آماری را از همین دریچه آموزش دهد و با پرسش‌های پایه‌ایِ آمار مانند مسائل بکر و دست‌نخورده برخورد کند. به همین خاطر، آشنایی با پایتون به عنوان پیش‌نیاز مطالعه آن معرفی شده است.
ادامه دارد …
