High-Dimensional Statistics: Un punto de vista no asintótico

Opiniones de los lectores

El libro es muy valorado por su contenido informativo sobre estadística de alta dimensión, lo que lo convierte en un recurso sólido para estudiantes de posgrado e investigadores en campos como la estadística y el aprendizaje automático. Aunque es matemáticamente riguroso, sigue siendo accesible con explicaciones detalladas y numerosos ejemplos. Sin embargo, algunos lectores consideran que el texto es algo árido debido a su naturaleza matemática, y hay quejas sobre la calidad de la encuadernación en al menos una edición.

⬤ Altamente informativo
⬤ bien escrito y legible
⬤ amplia cobertura de temas de vanguardia
⬤ ideal para estudiantes de posgrado e investigadores
⬤ explicaciones y ejemplos detallados
⬤ riguroso sin ser frustrante
⬤ no requiere teoría de medidas.

⬤ El libro puede resultar árido debido a su alto contenido matemático
⬤ algunos capítulos carecen de pruebas detalladas
⬤ quejas sobre la mala calidad de la encuadernación en algunas ediciones.

(basado en 7 opiniones de lectores)

Título original:

High-Dimensional Statistics: A Non-Asymptotic Viewpoint

Contenido del libro:

En los últimos años se ha producido una explosión del volumen y la variedad de los datos recogidos en todas las disciplinas científicas y entornos industriales.

Estos conjuntos de datos masivos plantean una serie de retos a los investigadores en estadística y aprendizaje automático. Este libro proporciona una introducción autocontenida al área de la estadística de altas dimensiones, dirigida al nivel de postgrado de primer año.

Incluye capítulos centrados en la metodología y la teoría básicas -incluidos los límites de cola, las desigualdades de concentración, las leyes uniformes y el proceso empírico, y las matrices aleatorias-, así como capítulos dedicados a la exploración en profundidad de clases particulares de modelos -incluidos los modelos lineales dispersos, los modelos matriciales con restricciones de rango, los modelos gráficos y varios tipos de modelos no paramétricos-. Con cientos de ejemplos y ejercicios, este texto está pensado tanto para cursos como para el autoaprendizaje por parte de estudiantes de posgrado e investigadores en estadística, aprendizaje automático y campos relacionados que deben comprender, aplicar y adaptar métodos estadísticos modernos adaptados a datos a gran escala.