Livro Estatística E Ciência De Dados, 1ª Edição

Livro Estatística e Ciência de Dados, 1ª Edição Pedro Alberto Morettin ISBN: 9788521638162 Edição: 1ª Ano: 2022 Idioma: Português Autor: Pedro Alberto Morettin e Julio da Motta Singer Páginas: 464 Encadernação: Brochura Editora: LTC Dimensões: 21 x 28 x 2 cm Peso: 1.08 kg Sinopse: Estatística e Ciência de Dados é o novo livro dos autores consagrados professor Pedro Morettin (autor do best-seller “Estatística Básica”) e professor Julio Singer. A obra apresenta de forma didática e objetiva os fundamentos de análise exploratória de dados, extremamente importantes para a compreensão da Ciência de Dados, seguida dos principais métodos utilizados em ciência de dados. Num contexto que resume as principais aplicações de Ciência de Dados (previsão, classificação, redução da dimensionalidade e agrupamento), os autores apresentam as ideias que fundamentam os algoritmos de suporte vetorial, árvores de decisão, florestas aleatórias e redes neurais. Os conceitos são apresentados de forma intuitiva, ilustrados por meio de vários exemplos práticos, sendo a maior parte proveniente de análises de dados reais. Para facilitar o aprendizado, os detalhes mais técnicos são apresentados em notas de capítulo. 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 texto. Oferece inúmeros exemplos práticos, sendo a maioria proveniente de análises de dados reais. Traz apêndices com conceitos básicos de simulação e otimização. Sumário: 1 Estatística, Ciência de Dados e Megadados I Análise Exploratória de Dados 2 Preparação dos dados 3 Análise de dados de uma variável 4 Análise de dados de duas variáveis 5 Análise de dados de várias variáveis 6 Análise de Regressão 7 Análise de Sobrevivência II Aprendizado Supervisionado 8 Regularização e Modelos Aditivos Generalizados 9 Classificação por meio de técnicas clássicas 10 Algoritmos de Suporte Vetorial 11 Árvores e Florestas 12 Redes neurais III Aprendizado não Supervisionado 13 Análise de Agrupamentos 14 Redução de dimensionalidade Referências Apêndice A Otimização numérica A.1 Introdução A.2 O método de Newton-Raphson A.3 O método scoring A.4 O método de Gauss-Newton A.5 Métodos Quase-Newton A.6 Aspectos computacionais A.7 Notas de capítulo A.8 Exercícios Apêndice B Noções de simulação B.1 Introdução B.2 Método Monte Carlo B.3 Simulação de variáveis discretas B.4 Simulação de variáveis contínuas B.5 Simulação de vetores aleatórios B.6 Métodos de reamostragem