Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python

Dość niejasne prezentacje podstawowych zagadnień przeplatane są nic nie wnoszącymi listingami kodu. Wiele z wykresów nieczytelne z powodu druku w odcieniach szarości (w XXI wieku wydawałoby się, że druk kolorowy nie jest wyzwaniem, ale Helion jeszcze o tym nie słyszał). Niektóre fragmenty są kuriozalne, jak na przykład prezentacja metody łokcia doboru ilości klastrów (K-means) na wykresie, na którym nie można jej zastosować...
Mam wrażenie, że coś jest nie tak z tłumaczeniem - niektóre zdania po prostu nie mają sensu. Nie zadałem sobie jednak trudu porównania z oryginałem. Swoją drogą, żałowałem że nie wybrałem oryginalnej wersji, bo niestety Data Science jest dziedziną w której króluje język angielski.
Zalety? Większość tematów jest "nieprzegadane", ich opisy są krótkie, treściwe (aczkolwiek, powtórzę, często mało klarowne)

Dość niejasne prezentacje podstawowych zagadnień przeplatane są nic nie wnoszącymi listingami kodu. Wiele z wykresów nieczytelne z powodu druku w odcieniach szarości (w XXI wieku wydawałoby się, że druk kolorowy nie jest wyzwaniem, ale Helion jeszcze o tym nie słyszał). Niektóre fragmenty są kuriozalne, jak na przykład prezentacja metody łokcia doboru ilości klastrów...

Autorzy popełnili klasyczny grzech w książkach o data science - szybko się poddali. Wydawca zawsze obiecuje, że książka jest oparta na praktycznych przykładach, co tutaj do pewnego momentu nawet się udaje (szczególnie przy AB testach),po czym okazuje się że z każdą kolejną stroną tempo narasta a im bardziej skomplikowane tematy są poruszane, tym krótsze i bardziej abstrakcyjne jest ich omówienie. W pewnym momencie przykładem przytaczanych koncepcji staje się już... wzór matematyczny! Wzór to nie przykład drodzy autorzy!

Niestety dobrych książek w tej tematyce ze świecą szukać, stąd ta ma pewną wartość i nie okazała się całkowitą stratą czasu. Pierwsza część może się okazać przydatna przy testach statystycznych, dlatego ani nie polecam ani nie odradzam.

Autorzy popełnili klasyczny grzech w książkach o data science - szybko się poddali. Wydawca zawsze obiecuje, że książka jest oparta na praktycznych przykładach, co tutaj do pewnego momentu nawet się udaje (szczególnie przy AB testach),po czym okazuje się że z każdą kolejną stroną tempo narasta a im bardziej skomplikowane tematy są poruszane, tym krótsze i bardziej...

I część książki jest napisana w miarę zrozumiałym językiem wymagającym jedynie podstawowej wiedzy z zakresu statystyki. Niestety w II części, gdzie autorzy przechodzą do omawiania bardziej skomplikowanych zagadnień, język staje się niezwykle formalny, brakuje konkretnych przykładów a treść jest przeładowana ogólnymi, matematycznymi wzorami, które raczej mocno utrudniają zamiast ułatwiać zrozumienie omawianych pojęć. W rezultacie książka bardziej przypomina artykuł w profesjonalnym czasopiśmie matematycznym niż przystępny podręcznik dla osób nie będących zawodowymi matematykami.

I część książki jest napisana w miarę zrozumiałym językiem wymagającym jedynie podstawowej wiedzy z zakresu statystyki. Niestety w II części, gdzie autorzy przechodzą do omawiania bardziej skomplikowanych zagadnień, język staje się niezwykle formalny, brakuje konkretnych przykładów a treść jest przeładowana ogólnymi, matematycznymi wzorami, które raczej mocno utrudniają...

Tak na start może i warto przeczytać, dla mnie podstawowa powtórka ze studiów. Generalnie nie jest to książka, którą chciałbyś mieć na półce, żeby w razie wu zajrzeć.

Tak na start może i warto przeczytać, dla mnie podstawowa powtórka ze studiów. Generalnie nie jest to książka, którą chciałbyś mieć na półce, żeby w razie wu zajrzeć.