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