Deskripsi
Pengantar Pembelajaran Statistik (ISL) berfungsi sebagai panduan komprehensif untuk perangkat penting pembelajaran statistik, yang penting untuk menavigasi skala dan cakupan pengumpulan data yang terus meningkat di berbagai bidang. Buku ini memberikan perlakuan yang luas namun mudah diakses terhadap topik-topik kunci, membuatnya cocok untuk siapa saja yang bertujuan untuk memahami dan memanfaatkan alat kontemporer untuk analisis data.
Baca Selengkapnya
Edisi pertama, ISLR, dengan aplikasi dalam R, dirilis pada tahun 2013, diikuti oleh edisi kedua pada tahun 2021. Menyadari pentingnya Python yang terus meningkat dalam ilmu data, edisi Python (ISLP) diterbitkan pada tahun 2023. Setiap edisi disusun untuk memperkuat pembelajaran melalui aplikasi praktis, menampilkan lab di akhir setiap bab. Lab-lab ini mendemonstrasikan konsep-konsep bab menggunakan R atau Python, memungkinkan pembaca untuk mendapatkan pengalaman langsung.
Buku ini secara sistematis mencakup berbagai topik fundamental dan lanjutan dalam pembelajaran statistik. Ini termasuk pengantar tentang apa itu pembelajaran statistik, teknik regresi, metode klasifikasi, strategi resampling, pemilihan model linier dan regularisasi, dan melampaui model linier. Bab-bab selanjutnya mendalami metode berbasis pohon, mesin vektor pendukung, pembelajaran mendalam, analisis kelangsungan hidup, pembelajaran tanpa pengawasan, dan pengujian ganda. Pendekatan terstruktur ini memastikan pemahaman menyeluruh tentang lanskap pembelajaran statistik.
Ditulis oleh para ahli terkemuka dalam statistik dan ilmu data biomedis, termasuk Gareth James, Daniela Witten, Trevor Hastie, Rob Tibshirani, dan Jonathan Taylor (untuk edisi Python), ISL adalah sumber daya yang berharga bagi siswa, peneliti, dan praktisi. Ketersediaan edisi R dan Python, bersama dengan versi terjemahan, menggarisbawahi jangkauan dan relevansinya secara global. Buku ini ideal untuk individu yang ingin membangun fondasi yang kuat dalam metodologi analisis data dan pembelajaran mesin, memungkinkan mereka untuk secara efektif menafsirkan dan memanfaatkan data di domain masing-masing.
- KategoriAlat AI Lainnya
Detail Buku
Mencakup teknik regresi dan klasifikasi
Menjelajahi metode resampling seperti validasi silang
Merinci pemilihan model linier dan regularisasi
Memperkenalkan metode berbasis pohon dan mesin vektor pendukung
Termasuk bab tentang pembelajaran mendalam dan analisis kelangsungan hidup
Menampilkan pembelajaran tanpa pengawasan dan pengujian ganda
Lab praktis tersedia dalam R dan Python
Edisi kedua ISLR dengan R diterbitkan pada tahun 2021
Edisi ISLP dengan Python diterbitkan pada tahun 2023
Diterjemahkan ke dalam berbagai bahasa
Penulis adalah tokoh terkemuka dalam statistik dan ilmu data
Untuk Siapa Buku Ini
- Dasar-dasar Analisis Data
- Pengantar Pembelajaran Mesin
- Pemrograman R untuk Statistik
- Python untuk Ilmu Data
- Studi Akademik
- Pengembangan Profesional
- Pemilihan dan Regularisasi Model
- Eksplorasi Pembelajaran Tanpa Pengawasan
