Régression : théorie et pratique. Avec des exemples en R et Stan
A

Régression : théorie et pratique. Avec des exemples en R et Stan

C
regression analysis statistics R Stan data analysis generalized linear models practical guide
Auteur
Эндрю Гельман, Дженнифер Хилл, Аки Вехтари
Éditeur
ДМК Пресс
Année
2022
Langue
Russe
63
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Apprentissage profond : principes et concepts

Apprentissage profond : principes et concepts

Кристофер М. Бишоп, Хью Бишоп

Analyse bayésienne avec Python. Introduction à la modélisation statistique et à la programmation probabiliste avec PyMC3 et ArviZ

Analyse bayésienne avec Python. Introduction à la modélisation statistique et à la programmation probabiliste avec PyMC3 et ArviZ

Освальдо Мартин

Analyse statistique et visualisation des données avec R

Analyse statistique et visualisation des données avec R

Мастицкий С. Э., Шитиков В. К.

Introduction à l'apprentissage statistique avec des exemples en Python

Introduction à l'apprentissage statistique avec des exemples en Python

Гарет Джеймс, Даниела Уиттен, Тревор Хасти, Роберт Тибширани, Джонатан Тейлор

R en action. Analyse et visualisation de données avec R et Tidyverse

R en action. Analyse et visualisation de données avec R et Tidyverse

Роберт И. Кабаков

Statistiques et planification d'expérience pour les non-initiés : Comment empêcher les statistiques de mentir

Statistiques et planification d'expérience pour les non-initiés : Comment empêcher les statistiques de mentir

Майкл Х. Херцог, Грегори Фрэнсис, Аарон Кларк

Algorithmes de prise de décision

Algorithmes de prise de décision

Микель Кохендерфер, Тим Уилер, Кайл Рэй

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Куликова И. В.

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Томас Нилд

Analyse de données en science et ingénierie. Apprentissage automatique, systèmes dynamiques et contrôle

Analyse de données en science et ingénierie. Apprentissage automatique, systèmes dynamiques et contrôle

Стивен Л. Брантон, Дж. Натан Куц