Курс по статистике где найти?

[Likenew]

Курс по статистике где найти, такой, чтобы дал хорошее представление, но не погубил Линейная регрессия, <decision tree, random forest>

Я сейчас беру классы по спарку и машинному обучению, и оказалось, что до боли не хватает статистики. Я то умудряюсь даже 100% получать по лабам, делая все по аналогии, но... т.е., каг-бе время используется неразумно , хотелось-бы что-то вынести полезное, даже,если не буду етим заниматьсся, то подготовить данные зная для чего очень полезно.

Кстати, очень рекомендую < edx.org> Беру классы от <Berkeley>, приходицца работать тяжко . Но у них там такая статистика, что, пожалуй, хотелось бы че-нить легче

[Flash-04]

coursera

[Deckel]

Все советуют книжку Hastie The elements of statistical learning.

[Физик-Лирик]

Курс по статистике где найти, такой, чтобы дал хорошее представление, но не погубил Линейная регрессия, <decision tree, random forest>

Так речь идёт о статистике или машинном обучении? Как бы две разные (хотя и не абсолютно) области.

[Физик-Лирик]

Я сейчас беру классы по спарку и машинному обучению, и оказалось, что до боли не хватает статистики.

По спарку отдельно и по машинном обучению отдельно или по машинном обучению на спарке?
Каких конкретно знаний по статистике не хватает? Большинство алгоритмов машинного обучения, ну может за исключением байесовских методов, типа нетворка "верю/не верю" или Монте-Карло - сугубо детерминистские. Есть статистика для анализа, но это уже другое. Где, короче, болит?

[Likenew]

Да ну их, ФСЕ надо. Там лекции маленькие, а упоминается и нормальное распределение и пуассона, и <Chi-squared > и многие другие, в разрезе, что для выбора модели подходящей надо знать как распределены данные. И после лекции вопросы подразумевают, что я знаю все ето, а я, а я < >

What type of probability distribution does "waiting time" often follow in the real world??

В лекции упоминается тока название распределения, одним словом. Чувствую себя как двоечник

[АццкоМото]

А то может старый советский учебник для начала по ТВИМС, а вот потом уже... ну, типа понятнее будет, чего не хватает

[Likenew]

А то может старый советский учебник для начала по ТВИМС, а вот потом уже... ну, типа понятнее будет, чего не хватает

Я погуглила, некоторые модели и теoрии были изобретены после того как закончила статистику вместе с институтом

[АццкоМото]

А то может старый советский учебник для начала по ТВИМС, а вот потом уже... ну, типа понятнее будет, чего не хватает

Я погуглила, некоторые модели и теoрии были изобретены после того как закончила статистику вместе с институтом

разумеется, я имел в виду для начала

[Larsonsager]

То, что вы перечислили (линейная регрессия, леса) - это частный и очень маленький раздел прикладной статистики. Поддерживаю совет взять книгу Хасти-Тибширани. У них и онлайн-курс в Стэнфорде есть.

Статистика как таковая тут, по-моему, не очень полезна, но если очень хочется именно статистику, то я бы посоветовал Феллера.

[Likenew]

Я сейчас беру классы по спарку и машинному обучению, и оказалось, что до боли не хватает статистики.

По спарку отдельно и по машинном обучению отдельно или по машинном обучению на спарке?
Каких конкретно знаний по статистике не хватает? Большинство алгоритмов машинного обучения, ну может за исключением байесовских методов, типа нетворка "верю/не верю"

Гы, курс называется < Big Data Analysis with Apache Spark >

[Likenew]

А то может старый советский учебник для начала по ТВИМС, а вот потом уже... ну, типа понятнее будет, чего не хватает

Я погуглила, некоторые модели и теории были изобретены после того как закончила статистику вместе с институтом

разумеется, я имел в виду для начала

трудно сказать, где взять русский учебник, а с другой стороны термины на английском. Пока заказала в библиотеке все, что нашла, не хочется бросать курс, ето вторая часть, я многому научилась делая первую. Но там еще и третья ....

[Deckel]

https://github.com/soulmachine/machine- ... heat-sheet" onclick="window.open(this.href);return false;

[Физик-Лирик]

Я погуглила, некоторые модели и теoрии были изобретены после того как закончила статистику вместе с институтом

Если позволите, я сделаю вам комплимент. Учитывая, что практически вся статистика (ну если не углубляться в самые дебри), была сделана в первой половине 20 века ... просто супер
Да и многие методы машинного обучения - тоже "старые" или глубокое забытые старые. Из нового после 90х - это пожалуй, бустинг, рендом форест, глубокое обучение. Ну, может, что-то упустил. Даже суппорт вектор машин - это из 80х.
Как уже советовали, возьмите стандартный учебник. Местная классика - "Биостатистический Анализ". Купите ранние издания, будет подешевле. Все на пальцах объясняется. Супер книга.
Гы, курс называется < Big Data Analysis with Apache Spark >[/quote]
Вы меня пугаете. Что изучаете? РДД или машинную библиотеку? Какая версия? Ранние версии библиотеки очень отличаются.

[Likenew]

Я погуглила, некоторые модели и теории были изобретены после того как закончила статистику вместе с институтом

Если позволите, я сделаю вам комплимент. Учитывая, что практически вся статистика (ну если не углубляться в самые дебри), была сделана в первой половине 20 века ... просто супер

Вы меня пугаете.

[blanko27]

Если любите видеолекции, то по статистике были неплохие от UC Berkeley 2009-го года (более поздние я не смотрел).

[Andriy777]

Мне для начала восполнения недоученных и навсегда забытых знаний по статистике понравилась вот эта книга.

https://www.amazon.com/dp/0596527586/?t ... u1n889px_e" onclick="window.open(this.href);return false;

Потом всякие программистские алгоритмы по ML перестали быть такими загадочными. В книгах по ML даются формулы бездоказательно.

[Физик-Лирик]

В книгах по ML даются формулы бездоказательно.

Ой не те книги читаете. Если хотите формул, возьмите книги в жёлтых и оранжевых обложках. Проблем с отсутствием формул больше не будет. Гарантирую.

Вот как раз рандом форест у меня и был на последней лабе, и дал самый лучший результат из трех методов, использованных в лабе, линейной регрессии, <decision tree, and random forest> в 95-ом тока появился, поетому и заинтересовалась.

Открою большой секрет. На практике (почти) никогда не используйте линейную, а также логическую регрессии. Только в особых случаях. Используйте нелинейные алгоритмы, типа леса, деревьев, бустинга, суппорт вектор машины, глубокого обучения. Линейная регрессия хороша с теоретической точки зрения. Куча формул, выводы, теоремы, распределения. Есть хорошие книги. А вообще, машинное обучение - это больше оптимизация чем статистика. Методы уменьшения размера пространства - линейная алгебра.

[Rumba]

https://lagunita.stanford.edu/courses/H ... 2016/about" onclick="window.open(this.href);return false;

курс ведется авторами этои книжки:
https://www.amazon.com/Introduction-Sta ... 1461471370" onclick="window.open(this.href);return false;

pdf:
http://www.stat.berkeley.edu/~rabbee/s1 ... inting.pdf" onclick="window.open(this.href);return false;

у меня в to do list посмотреть че там внутри, но руки на дошли , так что рекомендовать не могу, только констатирую наличие

[Физик-Лирик]

Курсы курсами, конечно. Проще все взять какой-нибудь набор данных, сформулировать себе задачу (можно здесь на форуме обсудить) и решить ее. А так после курсов все забудится, если нет практики.

[Likenew]

спасибо всем, дорогие товарищи. Беда в том, что времени нет на большие книги и длинные лекции. У меня сдача 3 лаб через неделю, а я тока начала вторую, с < collaborative filtering> , ето когда вам рекламу фильмов подсовывают вроде как базируясь на ваших интересах. И было бы хорошо разобраться в етом, тока на днях разговаривала с мужиком, который собирался такое внедрять

[blanko27]

collaborative filtering

Там обычно matrix factorization используется, а это не статистика. У Andrew Ng она очень простым языком объясняется, вот чьи-то записи из его ML курса - Recommender Systems

[АццкоМото]

http://www.datasciencecourse.ru/?utm_so ... tent=36_45" onclick="window.open(this.href);return false;

вдруг кому пригодится

[Larsonsager]

спасибо всем, дорогие товарищи. Беда в том, что времени нет на большие книги и длинные лекции. У меня сдача 3 лаб через неделю, а я тока начала вторую, с < collaborative filtering> , ето когда вам рекламу фильмов подсовывают вроде как базируясь на ваших интересах. И было бы хорошо разобраться в етом, тока на днях разговаривала с мужиком, который собирался такое внедрять

В онлайн-курсах Стенфорда (по-моему, на Курсере) был курс Mining Massive Datasets, где Ю. Лесковеч, если не путаю, прочитал несколько лекций по коллаборативной фильтрации. Подробнее и предметнее, чем в курсе Ына.