STAT-724
数据科学与机器学习简介
描述：
该课程从统计学的角度概述了数据科学及其核心机器学习模型和算法。 它提供了有关这些方法如何工作以及如何将统计模型应用于分析大型数据集的详细知识。 重点是分类和回归（所谓的监督学习）以及聚类和异常检测（无监督学习）的重要任务。 数据分析友好的方法要求使用良好的统计软件。 Python是目前最流行的Data Science开源脚本语言，将用于分析和建模。 语法和环境将进行足够详细的讨论。 也将提供Python（和R）代码。
必修课本：
[ISLR] Gareth James，Daniela Witten，Trevor Hastie和Robert Tibshirani（Springer，2013年），ISBN 978-1-4614-7137-0的R中的统计学习及其应用入门
[ESLII]统计学习的要素-数据挖掘，推理和预测，作者Trevor
评论0