Statistical Practice for Data Science : With Hands-On Illustrations Using R

個数：

予約
ポイントキャンペーン

Statistical Practice for Data Science : With Hands-On Illustrations Using R

Ravishanker, Nalini/ Gopalakrishnan, Asha/ Bar, Haim

ウェブストア価格 ¥15,492（本体¥14,084）
Chapman & Hall/CRC（2026/08発売）
外貨定価 US$ 70.99
【ウェブストア限定】洋書・洋古書ポイント5倍対象商品（～2/28）
ポイント 700pt

現在予約受付中です。出版後の入荷・発送となります。
（重要：表示されている発売日は予定となり、発売が延期、中止、生産限定品で商品確保ができないなどの理由により、ご注文をお取消しさせていただく場合がございます。予めご了承ください。）

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版／ページ数 288 p.
言語 ENG
商品コード 9780367698744

Full Description

Statistical Practice for Data Science: with Hands-on Illustrations using R is a comprehensive guide designed to equip students from diverse fields—Engineering, Science, and Social Sciences—with the statistical tools and techniques essential for data science. This book bridges the gap between theoretical concepts and practical applications, offering a clear and accessible introduction to statistics with minimal mathematical prerequisites. With a focus on real-world datasets and hands-on implementation using R, it empowers students to analyze, interpret, and communicate data effectively.

The book begins with foundational concepts in probability and statistics, ensuring that students with only college-level algebra can grasp the material. It progresses through key topics such as data visualization, hypothesis testing, regression modeling, and modern machine learning methods like random forests and gradient boosting. Each chapter is enriched with practical examples and coding exercises in R, making it an invaluable resource for students embarking on a data science program.

Designed as a one-semester course, the book provides flexibility for instructors to tailor the content to their curriculum. Whether exploring generalized linear models, mixed-effects models, or dependent data analysis, students will gain a deep understanding of statistical methods and their applications across various domains. By the end of the book, readers will be equipped to make informed decisions, quantify uncertainty, and communicate their findings effectively.

This book is not just a learning tool—it's a practical companion for aspiring data scientists seeking to master statistical practice and R programming.

1. Useful Preliminaries 2. Data Visualization 3. Two Sample Inference 4. Fixed Effects Analysis of Variance Models 5. Linear Regression Analysis 6. Linear Regression - More Topics 7. Generalized Linear Models (GLIM) 8. More on GLIM and Related Methods 9. Some Extensions to ANOVA Models 10. Models for Dependent Data