Ця книжка пропонує чітке та прикладне викладення основ статистичного навчання — ключового інструменту для роботи з великими та складними даними в різних галузях: від біології і фінансів до маркетингу й астрофізики. Вона охоплює основні методи машинного навчання, зокрема регресію, класифікацію, методи повторної вибірки, підходи до зменшення розмірності, деревоподібні моделі, методи опорних векторів, кластеризацію та глибоке навчання. Матеріал пояснено на реальних прикладах і наочних графіках, що допомагає краще зрозуміти застосування різних підходів. Також у кожному розділі наведено рекомендації для реалізації методів мовою R — популярним інструментом статистичного аналізу з відкритим кодом. Книжка орієнтована на практиків у науці, бізнесі та індустрії, які прагнуть ефективно застосовувати сучасні методи аналізу даних. ПРО АВТОРІВ Ґарет Джеймс — професор статистики і декан Школи бізнесу Гойзуета при Університеті Еморі. Його дослідження зосереджені на статистичному навчанні, зокрема на обробці багатовимірних даних та регресійному аналізі. Даніела Віттен — професорка статистики та біостатистики Вашингтонського університету. Працює у сфері машинного навчання для аналізу складних багатовимірних біомедичних даних. Тревор Гасті та Роберт Тібшірані — професори статистики Стенфордського університету, співавтори класичного підручника The Elements of Statistical Learning. Вони зробили фундаментальний внесок у розвиток сучасних методів статистичного моделювання та машинного навчання. Код: 9786178650605 , 978-617-8650-60-5