Aceasta carte abordeaza teme din domeniul stiintei datelor si al invatarii automate, oferind exemple practice si exercitii menite sa completeze continutul teoretic al manualelor consacrate, utilizate in mod obisnuit in mediul academic.
Cartea este structurata in jurul urmatoarelor obiective:
- facilitarea unei intelegeri intuitive a conceptelor cheie din domeniul analizei datelor;
- implementarea metodelor de explorare si analiza a datelor prin exemple practice realizate in Python si R, disponibile pe platforma/repozitoriul Codeberg;
- oferirea unei perspective realiste asupra activitatii in domeniul analizei datelor, explorarii datelor si invatarii automate, prin furnizarea de exemple care respecta metodologia de CRISP-DM;
- explicarea si promovarea utilizarii metodelor din clasa ensemble (bagging si boosting) capabile sa ofere performante predictive comparabile cu cele ale alto modele avansate (de exemplu, algoritmi de invatare profunda/ deep learning).
Desi cartea se adreseaza in primul rand studentilor de la masterat care urmeaza cursuri introductive de explorare a datelor si invatare automata (Data Mining si Machine Learning), este utila oricui doreste sa sa studieze aceste discipline la nivel introductiv.


RO
EN