Practical Statistical Learning and Data Science Methods (eBook)
XXIX, 752 Seiten
Springer-Verlag
978-3-031-72215-8 (ISBN)
This contributed volume offers practical implementation strategies for statistical learning and data science techniques, with fully peer-reviewed papers that embody insights and experiences gathered within the LISA 2020 Global Network. Through a series of compelling case studies, readers are immersed in practical methodologies, real-world applications, and innovative approaches in statistical learning and data science.
Topics covered in this volume span a wide array of applications, including machine learning in health data analysis, deep learning models for precipitation modeling, interpretation techniques for machine learning models in BMI classification for obesity studies, as well as a comparative analysis of sampling methods in machine learning health applications. By addressing the evolving landscape of data analytics in many ways, this volume serves as a valuable resource for practitioners, researchers, and students alike.
The LISA 2020 Global Network is dedicated to enhancing statistical and data science capabilities in developing countries through the establishment of collaboration laboratories, also known as 'stat labs.' These stat labs function as engines for development, nurturing the next generation of collaborative statisticians and data scientists while providing essential research infrastructure for researchers, data producers, and decision-makers.
| Erscheint lt. Verlag | 27.12.2024 |
|---|---|
| Reihe/Serie | STEAM-H: Science, Technology, Engineering, Agriculture, Mathematics & Health |
| Zusatzinfo | XXIX, 752 p. 230 illus., 208 illus. in color. |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik ► Datenbanken |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| Medizin / Pharmazie ► Allgemeines / Lexika | |
| Schlagworte | Data Classification • Data Science • Deep learning models • lime • Local interpretable model-agnostic explanations • machine learning • Machine learning classifiers • Predictive Modeling • Shap • Shapley Additive Explanation • Statistical Learning • Time Series |
| ISBN-10 | 3-031-72215-9 / 3031722159 |
| ISBN-13 | 978-3-031-72215-8 / 9783031722158 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 58,3 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
