Nesta segunda edição, o clássico e referenciado Estatística e Ciência de Dados continua sua trajetória de sucesso e pioneirismo ao abordar esse tema tão atual, sob o ponto de vista estatístico e computacional. Desenvolvido pelos consagrados autores Pedro Morettin e Julio Singer, combina, de maneira didática e objetiva, os fundamentos de análise exploratória de dados – extremamente importantes para a compreensão da Ciência de Dados – aos principais métodos utilizados na área. Os autores apresentam as ideias que fundamentam os algoritmos de suporte vetorial, árvores de decisão, florestas aleatórias e redes neurais, em um contexto que introduz as principais aplicações do tema (previsão, classificação, redução da dimensionalidade e agrupamento). Há vários exemplos práticos provenientes de análises de dados reais. O conteúdo foi completamente revisto e atualizado, e foram incluídos novos exemplos e uma breve descrição sobre redes generativas adversárias. Diferenciais: • Promove integração entre os conceitos de Estatística, Computação e Ciência de Dados. • Exibe conjuntos de dados e comandos do software R utilizados para as análises ao longo de todo o texto. • Oferece inúmeros exemplos práticos, sendo a maioria proveniente de análises de dados reais. • Apresenta apêndices com conceitos básicos de simulação e otimização, e também sobre algoritmos para dados aumentados.
Autor: PEDRO ALBERTO: SINGER, JULIO DA MOTTA
Editora: LTC