
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
با تبدیل دادههای خام به بینشهای معنادار، تصمیمهایی آگاهانه و مبتنی بر داده بگیرید و تخصص آماری خود را در پایتون تقویت کنید.
ویژگیهای کلیدی
در شناسایی و مدلسازی الگوهایی که به موفقیت میانجامند، مهارت پیدا کنید
مفاهیم را با پایتون و کتابخانههای مهمی مثل statsmodels بررسی کنید
یاد بگیرید چطور روی مجموعهدادههای واقعی مدل بسازید و برای چالشهای عملی راهحل پیدا کنید
درباره کتاب
توانایی خوب در مدلسازی آماری مهارتی بنیادی برای دانشمندان داده است و برای کسبوکارهایی که به بینشهای دادهمحور وابستهاند، ضروری است. «ساخت مدلهای آماری در پایتون» راهنمایی جامع است که به شما کمک میکند اصول ریاضی و آماری را در ارزیابی داده، درک آن و استنباط بهکار بگیرید.
این کتاب نهتنها مهارتهای لازم برای روبرو شدن با پیچیدگیهای مدلسازی آماری را به شما میدهد، بلکه با مثالهای روشن، راهنمایی عملی برای پیادهسازی فوری هم فراهم میکند. با تمرکز بر کاربرد و نمونههای کد، مفاهیم را میفهمید و همزمان تجربه عملی به دست میآورید. با کمک پایتون و کتابخانههای ضروریاش، مدلهای آماری کلیدی را بررسی میکنید؛ از جمله آزمون فرضیه، رگرسیون، تحلیل سری زمانی، طبقهبندی و موارد دیگر.
در پایان این کتاب، در مدلسازی آماری مسلط میشوید و از ظرفیت کامل اکوسیستم غنی پایتون برای تحلیل داده بهره میبرید.
آنچه یاد میگیرید
کاربرد آمار برای تصمیمگیری در شرایط عدم قطعیت را بررسی کنید
با آزمونهای فرضیه به پرسشهای مربوط به داده پاسخ دهید
تفاوت مدلهای رگرسیون و طبقهبندی را بفهمید
با statsmodels در پایتون مدل بسازید
دادههای سری زمانی را تحلیل کنید و پیشبینی ارائه دهید
تحلیل بقا و مسائلی را که میتواند حل کند بشناسید
این کتاب برای چه کسانی است
اگر میخواهید ساخت مدلهای آماری برای مجموعهدادههایتان را شروع کنید، این کتاب برای شماست. «ساخت مدلهای آماری در پایتون» فاصله میان نظریه آماری و کاربرد عملی پایتون را پر میکند. چون مسیر جامعی از نظریه تا کاربرد را طی میکنید، به دانش قبلی آمار نیاز نیست؛ اما کمی تجربه کار با پایتون مفید خواهد بود.
Make data-driven, informed decisions and enhance your statistical expertise in Python by turning raw data into meaningful insightsKey FeaturesGain expertise in identifying and modeling patterns that generate successExplore the concepts with Python using important libraries such as stats modelsLearn how to build models on real-world data sets and find solutions to practical challengesBook DescriptionThe ability to proficiently perform statistical modeling is a fundamental skill for data scientists and essential for businesses reliant on data insights. Building Statistical Models with Python is a comprehensive guide that will empower you to leverage mathematical and statistical principles in data assessment, understanding, and inference generation.This book not only equips you with skills to navigate the complexities of statistical modeling, but also provides practical guidance for immediate implementation through illustrative examples. Through emphasis on application and code examples, you’ll understand the concepts while gaining hands-on experience. With the help of Python and its essential libraries, you’ll explore key statistical models, including hypothesis testing, regression, time series analysis, classification, and more.By the end of this book, you’ll gain fluency in statistical modeling while harnessing the full potential of Python's rich ecosystem for data analysis.What you will learnExplore the use of statistics to make decisions under uncertaintyAnswer questions about data using hypothesis testsUnderstand the difference between regression and classification modelsBuild models with stats models in PythonAnalyze time series data and provide forecastsDiscover Survival Analysis and the problems it can solveWho this book is forIf you are looking to get started with building statistical models for your data sets, this book is for you! Building Statistical Models in Python bridges the gap between statistical theory and practical application of Python. Since you’ll take a comprehensive journey through theory and application, no previous knowledge of statistics is required, but some experience with Python will be useful.