確率・統計・機械学習のためのPython（テキスト・第３版） Python for Probability, Statistics, and Machine Learning （3RD）

ホーム
> 洋書
> ドイツ書
> Mathematics, Sciences & Technology
> Technology
> electronics, electrical engineering, telecommunications

確率・統計・機械学習のためのPython（テキスト・第３版）<br>Python for Probability, Statistics, and Machine Learning （3RD）

個数：

電子版価格
¥12,653

電子版あり

確率・統計・機械学習のためのPython（テキスト・第３版）
Python for Probability, Statistics, and Machine Learning （3RD）

Unpingco, José

ウェブストア価格 ¥22,218（本体¥20,199）
Springer International Publishing AG（2022/11発売）
外貨定価 UK£ 79.99
ポイント 201pt

国内在庫僅少。通常5～7日で発送いたします。
（品切れや複数冊ご注文の場合には海外お取り寄せとなり時間がかかります。）

●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 Hardcover:ハードカバー版／ページ数 509 p.
商品コード 9783031046476

Full Description

Using a novel integration of mathematics and Python codes, this book illustrates the fundamental concepts that link probability, statistics, and machine learning, so that the reader can not only employ statistical and machine learning models using modern Python modules, but also understand their relative strengths and weaknesses. To clearly connect theoretical concepts to practical implementations, the author provides many worked-out examples along with "Programming Tips" that encourage the reader to write quality Python code. The entire text, including all the figures and numerical results, is reproducible using the Python codes provided, thus enabling readers to follow along by experimenting with the same code on their own computers.

Modern Python modules like Pandas, Sympy, Scikit-learn, Statsmodels, Scipy, Xarray, Tensorflow, and Keras are used to implement and visualize important machine learning concepts like the bias/variance trade-off, cross-validation, interpretability, and regularization. Many abstract mathematical ideas, such as modes of convergence in probability, are explained and illustrated with concrete numerical examples. This book is suitable for anyone with undergraduate-level experience with probability, statistics, or machine learning and with rudimentary knowledge of Python programming.