Estadística para el Aprendizaje Automático: Implementa Métodos Estadísticos Usados en Aprendizaje Automático Usando Python (English Edition)

Puntuación:   (4,1 de 5)

Estadística para el Aprendizaje Automático: Implementa Métodos Estadísticos Usados en Aprendizaje Automático Usando Python (English Edition) (Himanshu Singh)

Opiniones de los lectores

Resumen:

El libro ha recibido críticas dispares, con usuarios que alaban sus claras explicaciones de los métodos estadísticos para el aprendizaje automático, pero critican su falta de profundidad en la teoría estadística y los ejemplos. A algunos les pareció útil para principiantes, mientras que otros consideraron que su precio no merecía la pena.

Ventajas:

Explica claramente las técnicas estadísticas para el aprendizaje automático.
Útiles ejemplos de código Python.
Bueno para principiantes con algunos conocimientos previos.
Cubre una amplia gama de temas de manera concisa.

Desventajas:

Carece de explicaciones detalladas en los capítulos de estadística.
Algunas fórmulas pueden ser incorrectas o engañosas.
No es adecuado para los que buscan una guía completa con muchos ejemplos.
Se considera excesivamente caro para el contenido que ofrece.

(basado en 4 opiniones de lectores)

Título original:

Statistics for Machine Learning: Implement Statistical methods used in Machine Learning using Python (English Edition)

Contenido del libro:

Una guía práctica que le ayudará a comprender los Fundamentos Estadísticos de cualquier Problema de Aprendizaje Automático.

Características principales

⬤  Desarrollar una comprensión Conceptual y Matemática de la Estadística.

⬤ Obtener una visión general de las aplicaciones estadísticas en Python.

⬤ Aprender a realizar pruebas de hipótesis en Estadística.

⬤ Comprender por qué la Estadística es importante en el Aprendizaje Automático.

⬤ Aprender a procesar datos en Python.

Descripción

Este libro trata conceptos estadísticos en detalle, con sus aplicaciones en Python. El libro comienza con una introducción a la Estadística y pasa a cubrir algunos conceptos básicos de Estadística Descriptiva como media, mediana, moda, etc. A continuación, se explora el concepto de probabilidad y se estudian diferentes tipos de distribuciones de probabilidad. A continuación, estudiará las estimaciones de parámetros para los parámetros desconocidos presentes en la población y estudiará en detalle las Variables Aleatorias, que se utilizan para guardar los resultados de un experimento en Estadística. A continuación, explorará uno de los campos más importantes de la Estadística: las Pruebas de Hipótesis, y después explorará varios tipos de pruebas utilizadas para comprobar nuestra hipótesis. La última parte de nuestro libro se centrará en cómo puedes procesar datos usando Python, algunos elementos de Estadística No Paramétrica, y finalmente, alguna introducción al Aprendizaje Automático.

Lo que aprenderá

⬤  Comprender los conceptos básicos de Estadística.

⬤  Conozca más acerca de las estadísticas descriptivas.

⬤  Comprender y aprender técnicas avanzadas de Estadística.

⬤  Aprenda a aplicar conceptos estadísticos en Python.

⬤  Comprender paquetes importantes de Python para Estadística y Aprendizaje Automático.

A quién va dirigido este libro

Este libro es para cualquiera que quiera entender la Estadística y su uso en el Aprendizaje Automático. Este libro le ayudará a entender las matemáticas detrás de los conceptos estadísticos y las aplicaciones utilizando el lenguaje Python. Tener un conocimiento práctico del lenguaje Python es un requisito previo.

Tabla de Contenidos

1. 1. Introducción a la Estadística.

2. Estadística Descriptiva.

3. 3. Probabilidad.

4. Variables aleatorias.

5. Estimación de parámetros.

6. 6. Comprobación de hipótesis.

7. 7. Análisis de la varianza.

8. 8. Regresión.

9. Estadística no paramétrica.

10. Análisis de datos con Python.

11. Introducción al Aprendizaje Automático.

Acerca de los autores

Himanshu Singh es un líder de tecnología de IA en Legato Healthcare (An Anthem Inc. Company). Tiene alrededor de 7 años de experiencia en el dominio del Aprendizaje Automático y la Inteligencia Artificial. Himanshu es autor de tres libros sobre aprendizaje automático y es un formador apasionado. Es profesor invitado en varios institutos como Narsee Monjee Institute of Management Studies, IMT, Vignana Jyothi Institute of Management.

Perfil de LinkedIn https: //www.linkedin.com/in/himanshu-singh-2264a350/.

Enlaces del blog https: //medium.com/@himanshuit3036.

Perfil de Facebook https: //www.facebook.com/silli23.

Otros datos del libro:

ISBN:9789388511971
Autor:
Editorial:
Encuadernación:Tapa blanda

Compra:

Actualmente disponible, en stock.

¡Lo compro!

Otros libros del autor:

Estadística para el Aprendizaje Automático: Implementa Métodos Estadísticos Usados en Aprendizaje...
Una guía práctica que le ayudará a comprender los...
Estadística para el Aprendizaje Automático: Implementa Métodos Estadísticos Usados en Aprendizaje Automático Usando Python (English Edition) - Statistics for Machine Learning: Implement Statistical methods used in Machine Learning using Python (English Edition)
Aprendizaje automático práctico con Aws: Procesa, construye, despliega y productiviza tus modelos...
Construya, ajuste, despliegue y ponga en...
Aprendizaje automático práctico con Aws: Procesa, construye, despliega y productiviza tus modelos usando Aws - Practical Machine Learning with Aws: Process, Build, Deploy, and Productionize Your Models Using Aws
Deep Neuro-Fuzzy Systems with Python: Con Casos Prácticos y Aplicaciones de la Industria - Deep...
Conozca la lógica difusa y las redes neuronales, y...
Deep Neuro-Fuzzy Systems with Python: Con Casos Prácticos y Aplicaciones de la Industria - Deep Neuro-Fuzzy Systems with Python: With Case Studies and Applications from the Industry

Las obras del autor han sido publicadas por las siguientes editoriales:

© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)