面向数据科学家的实用统计学

本书解释了数据科学中至关重要的统计学概念，介绍如何将各种统计方法应用于数据科学。作者以易于理解、浏览和参考的方式，引出统计学中与数据科学相关的关键概念；解释各统计学概念在数据科学中的重要性及有用程度，并给出原因。
【推荐语】
统计学方法是数据科学的重要组成部分，但极少有数据科学家受过正规的统计学教育或培训，而关于统计学基础的课程和教材也很少从数据科学的角度行讲解。本书专门从数据科学的角度阐释重要且实用的统计学概念，重介绍如何将各种统计学方法应用于数据科学。 * 为什么探索性数据分析是数据科学关键的第 一步 * 随机抽样如何降低偏差、生成高质量数据集 * 实验设计原则如何针对问题生成确定性答案 * 如何使用回归方法估计结果并检测异常 * 用于预测记录所属类别的主要分类方法 * 从数据中“学习”的统计机器学习方法 * 从未标记数据中提取有意义信息的无监督学习方法
【作者】
彼得·布鲁斯（Peter Bruce），知名统计学家，Statistics.com统计学教育学院的创立者兼院长，重采样统计软件的发者。曾在美国马里兰大学和各种短训班教授重采样统计课程。 安德鲁·布鲁斯（Andrew Bruce），华盛顿大学统计学博士，拥有30多年的统计学和数据科学经验，在多家知名学术期刊上发表过多篇论文。