Statystyka w codziennej pracy programisty. Od teorii do kodu w Pythonie

Od teorii do kodu statystyka w praktyce programisty Statystyka, niegdyś postrzegana jako dziedzina zarezerwowana dla specjalistów, dziś stanowi fundament nowoczesnego programowania od optymalizacji algorytmów, przez testowanie hipotez, po budowanie modeli predykcyjnych. Książka jest odpowiedzią na rosnące zapotrzebowanie rynku IT na specjalistów, którzy łączą umiejętności programistyczne z solidną wiedzą statystyczną. Ten praktyczny przewodnik pokazuje, jak stosować metody ilościowe do rozwiązywania rzeczywistych problemów od analizy wydajności aplikacji po wykrywanie anomalii i prognozowanie trendów. Autor prowadzi czytelników przez fundamenty rachunku prawdopodobieństwa i rozkłady statystyczne, by następnie przejść do bardziej zaawansowanych technik. Każdy rozdział łączy teorię z praktyką zawiera gotowe implementacje w Pythonie z wykorzystaniem bibliotek: pandas, NumPy, scikit-learn i statsmodels. Książka wykracza poza standardowe podręczniki statystyki, prezentując również łańcuchy Markowa, prawo Benforda w wykrywaniu oszustw, metody zarządzania projektami (PERT, CPM) i statystyczną kontrolę jakości. Dzięki rzeczywistym przykładom czytelnik nie tylko poznaje metody, ale też rozumie, kiedy i dlaczego je stosować. W książce: Regresja liniowa i logistyczna Drzewa decyzyjne i lasy losowe Symulacje Monte Carlo i łańcuchy Markowa Prawo Benforda jako narzędzie wykrywania oszustw w danych finansowych Programowanie liniowe do optymalizacji alokacji zasobów Analiza szeregów czasowych do prognozowania trendów Niezbędna! Statystyka i modelowanie z nastawieniem na realne zagadnienia projektowania systemów. Anupam Samanta, Google Doskonałe połączenie teorii i praktyki. Scotia Global Asset Management