Бесплатная доставка при покупке от 700 рублей* Бесплатная доставка при покупке от 700 рублей действует при выборе пунктов выдачи СДЭК или 5post.
Издательский Дом "Питер"
Магазин Издательство Новости Авторам Rights
Войти / Регистрация
0 = 0 р.
Итого: 0 р.
8 (800) 500-42-17 books@piter.com
Время работы:
Пн-Пт: с 10:00 до 18:00

Время работы:
Пн-Пт: с 10:00 до 18:00

 
Главная > КОМПЬЮТЕРНАЯ ЛИТЕРАТУРА > Топ продаж > Думай как аналитик. Статистика и данные с примерами на Python. 3-е изд.
Думай как аналитик. Статистика и данные с примерами на Python. 3-е изд.

Думай как аналитик. Статистика и данные с примерами на Python. 3-е изд.

Дауни А.

  • Тема: Библиотека программиста
  • Страниц: 304
  • Вес: 484 г.
  • Обложка: Мягкая обложка
  • Формат: 165х233х16 мм
  • ISBN: 978-601-12-8917-7
  • Год: 2026
Бумажная книга
 
 
Цена:
1899 р.
Электронная книга
 
 
Цена:
699 р.
Оглавление Полистать
  • Описание
  • Отзывы
  • Интересные истории о книге
  • 5 причин купить книгу
Умение писать код — это все, что нужно, чтобы извлекать из данных ценные выводы и находить ответы на сложные вопросы. В этом полностью переработанном издании статистические концепции представлены не в виде громоздких математических формул, а как стройный вычислительный процесс на языке Python. На практических примерах с использованием реальных датасетов изучите весь цикл разведочного анализа данных — от первичной обработки данных и подсчета статистик до выявления закономерностей и проверки гипотез.
Являетесь ли вы специалистом data science, инженером-разработчиком или просто интересуетесь данными, вы быстро освоите такие популярные инструменты, как NumPy, SciPy и Pandas. Познакомьтесь с функциями распределения, статистическими зависимостями между переменными, методами визуализации и многими другими концепциями. Кроме того, все главы книги доступны в виде Jupyter-блокнотов, позволяющих читать текст, запускать код и выполнять упражнения, не переключаясь между инструментами.
  • Елена  21.09.2026
    Начнём с того, что в примерах в книге используется самодельная библиотека самого автора А.Дауни empiricaldist, которую вы в продакшене вряд ли встретите.

    Возможно, она удобна именно как учебная библиотека для объяснения базовых понятий (что есть среднее и т.д.), но потом придётся перестраиваться на использование той же scipy.

    Структура книги ОК, но. Если человек вообще не очень со статистикой, то разобраться будет нелегко. Во-первых, упомянутая библиотека. Во-вторых, автор пишет как будто для себя, находясь в контексте, а читателю надо сидеть и думать, что же он хотел сказать.

    Например, гл.2 про таблицы частот:
    "Для представления распределений мы будем использовать библиотеку empiricaldist. В данном контексте «эмпирический» означает, что распределения основаны на данных, а не на математических моделях." - На каких данных? Пользовательских? Типа мы не будем вычислять страшные распределения по двухэтажным формулам, а просто арифметикой поделим, умножим и т.д. Как если бы считали у себя на бумажке. ОК, расшифровали, что хотел сказать автор, но тем не менее это плохой текст. И сносок переводчик или научный редактор не посчитали нужным поставить.

    Ещё пример из гл.3 про парадокс размера групп (стр.52). Я так понимаю, что более привычное "парадокс размера классов" автору чем-то не понравилось, поэтому он сгенерировал своё название. Или в его академической среде принято говорить именно так.
    Но главное вот:
    "Во многих американских колледжах и университетах соотношение студентов
    и преподавателей равняется примерно 10:1. Но студентов часто удивляет то, что
    во многих группах обучается больше 10 человек, иногда заметно больше. Такое
    несоответствие объясняется следующими двумя причинами:
    Студенты обычно выбирают четыре или пять курсов в семестр, но преподава-
    тели зачастую ведут только один или два курса.
    Количество студентов в группе малочисленного курса невелико, а в группе
    многочисленного — велико.
    Первый факт очевиден — по крайней мере, когда на него обращают внимание," - здесь просто можно сломать мозг. Посмотрела в оригинале, а там такая же корявая фраза. Что очевидного? Что преподаватель ведёт только несколько 1-2 курса, а студенты изучают больше курсов? Ну, и дальнейшее объяснение всего парадокса довольно запутанное.

    Если автор упоминает какое-то упражнение по типу "а вот такое мы делали", то не проставляет его номер или хотя бы номер главы, где оно было. Ну, автор ладно, а редакторы не обратили внимание?

    Это примеры только с первых 50 страниц книги, а страниц 300+. И я привела далеко не всё, к чему есть (и могли бы быть) вопросы.

    Резюмируя. 1. Книге не хватает академичности. Формулы не нужно, но ссылки на свои же упражнения и более понятные формулировки были бы прекрасны. 2. Используется нестандартная библиотека. 3. Иногда приходится буквально ребусы из авторских фраз разгадывать.
    Но в целом почитать можно и, как говорится, если уж понял, то понял. Какие-то вещи объясняются на пальцах (когда привык к авторскому стилю), что хорошо.

    P.S. Окошко для отзывов можно было сделать и побольше.

Оставить отзыв

CAPTCHAОбновить изображение

Наберите текст, изображённый на картинке

Все поля обязательны к заполнению

Перед публикацией отзывы проходят модерацию
О научном редакторе русского издания. Кирилл Быков — старший аналитик-разработчик во "ВКонтакте". Занимается поддержкой внутренней MapReduce-системы, разработкой платформы AB-тестирования и дата-инженерией. Преподаватель курсов по основам машинного обучения, глубокого обучения, программирования на Python и продуктовой аналитике в МФТИ, НИУ ВШЭ и Центральном университете. Развивает аналитические инструменты и ведет курсы по машинному обучению, вдохновляя студентов на освоение современных методов анализа данных и искусственного интеллекта.
  1. Изучение сложных статистических концепций через код на Python без математических формул.
  2. Практические методы исследования и визуализации данных, выявления взаимосвязей и тенденций, а также представления полученных результатов.
  3. Анализ распределений данных и визуализация закономерностей с помощью библиотек языка Python.
  4. Подробный разбор специализированных тем, таких как анализ временных рядов и анализ выживаемости.
  5. Решение распространенных проблем анализа данных.



Мы в социальных сетях:
Youtube
Telegram
Vkontakte
habrahabr.ru
IT – литература:
Telegram
habrahabr.ru
Наши детские аккаунты:
Telegram
Vkontakte
Психология. Питер:
Telegram
 
 
Помощь
Соглашение о продаже Как заказать Доставка товаров Способы оплаты Акции и скидки Обратная связь Возврат Оформление заказа Файлы к книгам Дисконт (Незначительный брак)
Издательство
Партнерская программа Приглашаем авторов Рекламодателям Книги под заказ Книготорговым организациям Rights Совместные покупки Партнеры
О нас
О компании Новости Где купить Контакты Вакансии
Наши реквизиты:ООО «Мейл Плюс»
ИНН 7802524386 КПП 780201001
Реквизиты р /с получателя: 40702810955080005460 в СЕВЕРО-ЗАПАДНЫЙ БАНК ПАО СБЕРБАНК г. Санкт-Петербург
к/с 30101810500000000653, БИК 044030653
Юр. адрес: 195277, г. Санкт-Петербург, Большой Сампсониевский пр-кт, дом № 29, литера А
Почтовый адрес: 195277, г. Санкт-Петербург, Большой Сампсониевский пр-кт, дом № 29, литера А

Заказ обратного звонка

Спасибо за обращение!
Скоро с вами свяжется наш менеджер