Šta ćete naučiti iz ove knjige i za šta će vam koristiti stečeno znanje?

•     upravljanje R okruženjem
•     opis i vizuelizacija ponašanja podataka i veze između podataka
•     bolje razumevanje statističkog rezonovanja i uzorkovanja
•     korišćenje testova hipoteza za izvođenje zaključaka iz podataka
•     učenje Bajesovih metoda za procenu parametara
•     izvršavanje regresije radi procene kontinualnih promenljivih
•     primena moćnih metoda klasifikacije za predviđanje kategorijskih podataka
•     elegantno upravljanje nedostajućim podacima pomoću višestruke amputacije
•     identifikovanje problematičnih tačaka podataka i upravljanje njima
•     korišćenje paralelizacije i Rcppa za skaliranje analize na veće podatke
•     primena najboljih tehnika za pojednostavljivanje posla i omogućavanje reproducibilnosti

Opis knjige
Programski jezik R, koji često koriste naučnici, veoma je rasprostranjen u privatnom sektoru i njegovu primenu možete videti na asortimanima proizvoda u nekim najnaprednijim i najuspešnijim preduzećima. Moć R-a i njegova prilagođenost određenoj oblasti omogućava korisniku da kompleksnu analitiku izrazi jednostavno, brzo i sažeto.
Počev od osnove R-a i statističkog rezonovanja, u ovoj knjizi je detaljno razmatrana napredna prediktivna analitika i prikazan je način primene ovih tehnika na podatke u stvarnom svetu pomoću primera iz stvarnog sveta.
Ova knjiga počinje pregledom R-a i njegove sintakse, a obiluje rešenjima za probleme u vezi sa njegovim korišćenjem i vežbama. Upoznaćete osnove statistike koja je primenjena, a zatim ćete nadgraditi to znanje da biste mogli da obavljate sofisticiranu i moćnu analitiku. Rešićete poteškoće koje se odnose na obavljanje analize podataka u praksi i pronaći ćete rešenja za korišćenje „neurednih“ i velikih podataka i za izveštavanje o rezultatima i omogućavanje reproducibilnosti.
Ova knjiga je napisana tako da služi kao dragoceni izvor za analitičare podataka kroz mnoge faze njihove karijere.

1: Osnove programskog jezika R
2: Oblik podataka
3: Opis veza
4: Verovatnoća
5: Korišćenje podataka za uzorkovanje i procenu
6: Testiranje hipoteza
7: Bajesove metode
8: Bootstrap
9: Predviđanje kontinualnih promenljivih
10: Predviđanje kategorijskih promenljivih
11: Predviđanje promena tokom vremena
12: Izvori podataka
13: Upravljanje nedostajućim podacima
14: Upravljanje neurednim podacima
15: Upravljanje velikim podacima
16: Korišćenje popularnih R paketa
17: Reproducibilnost i najbolje tehnike

Toni Fischetti je analitičar podataka na koledžu „Factual“ i svakodnevno koristi R da bi izgradio lične sisteme za rangiranje i preporuku. Diplomirao je kognitivnu nauku na institutu „Rensselaer Polytechnic“ - njegov diplomski rad je bio fokusiran na korišćenje statistike za proučavanje kratkoročne vizuelne memorije.

Uživa u pisanju softvera otvorenog koda i bloga na sajtu „onthelambda“, piše o sebi u trećem licu i deli svoje znanje, koristeći jednostavan pristupačan jezik i primere.

Takođe uživa u uobičajenim i uzbudljivim svakodnevnim aktivnostima, kao što su slušanje muzike, sviranje gitare i bubnjeva, dizanje tegova i pomaganje drugima.