Statystyka praktyczna w data science- książka [RECENZJA]

 

Idąc za ciosem, postanowiłam dalej pracować nad swoim rozumieniem statystyki. W tym celu sięgnęłam po książkę „Statystyka praktyczna w data science” autorstwa Petera Bruce’a, Andrewa Bruce’a i Petera Gedecka. Czy jestem zawiedziona? Wręcz przeciwnie!

📘 Dlaczego sięgnęłam po tę książkę?

Po przeczytaniu „Analityka danych” (o którym pisałam tutaj: Jak polubić statystykę? Książka „Analityk Danych”- idealna na początek! [Recenzja]) poczułam, że czas na kolejny krok- coś bardziej konkretnego i praktycznego. Chciałam ugruntować podstawy statystyki, ale w sposób zrozumiały, nieprzytłaczający i przydatny z perspektywy osoby, która dopiero wchodzi w świat data science.

💡 Pierwsze wrażenie- bardzo pozytywne!

Jestem zadowolona ze swojego wyboru z wielu powodów. Przede wszystkim – za sposób, w jaki ta książka została zaprojektowana. Różne elementy treści zostały wyróżnione: kursywą, pogrubieniem, czcionką o stałej szerokości, a nawet czcionką o stałej szerokości z kursywą. Do tego trzy różne miniaturowe ikony pomagają rozpoznać, co jest czym: nowe pojęcia, listing kodu, wskazówki, uwagi czy ostrzeżenia.

Dla mnie- świeżaka w data science- to ogromna pomoc. Bez tego bardzo łatwo jest wpaść w poczucie, że wszystko jest tak samo ważne. A przecież nie jest! Takie oznaczenia bardzo ułatwiają zapamiętywanie, zwłaszcza jeśli informacja jest opatrzona etykietą „ostrzeżenie” czy „wskazówka”. Mała rzecz, a robi ogromną różnicę.

🎯 Treść dopasowana do osób wchodzących do branży

Co jeszcze czyni tę książkę dobrą pozycją dla osób zmieniających branżę? Jej treść. Mam wrażenie, że została idealnie „odchudzona” pod kątem tego, co jest naprawdę ważne dla analityków danych. Nie chcę umniejszać autorom (choć wiem, jak to może zabrzmieć!), ale bardzo dobrze wyważyli poziom szczegółowości- nie jest za mało, ale też nie przytłacza.

Czuć, że to tylko fragment całej wiedzy statystycznej, która istnieje- i bardzo dobrze. Dzięki temu książka nie zniechęca, tylko zachęca do dalszego zgłębiania tematu.

✅ „Główne zasady”- świetne podsumowanie

Bardzo fajnym zabiegiem są krótkie sekcje na końcu każdego podrozdziału, zatytułowane „Główne zasady”. To takie mini podsumowanie absolutnych podstaw, które trzeba wynieść z danego fragmentu.

Można to potraktować trochę dramatycznie: jeśli coś z tego nie jest dla Ciebie oczywiste, to znaczy, że nie do końca zrozumiałaś, o co chodziło. Ale ja traktuję to raczej jako checkpoint- szybki test, czy wszystko mam dobrze poukładane w głowie. I to działa!

🐍 R i Python- coś dla każdego

Kolejny plus- chociaż niekoniecznie dla mnie teraz- to obecność kodu zarówno w języku R, jak i Pythonie. Ja jeszcze nie znam R, ale Python to już moja bajka, więc bardzo mnie cieszy, że autorzy uwzględnili obie społeczności.

📚 Dodatkowe źródła na koniec

Na końcu każdego podrozdziału znajduje się też sekcja „Pogłębienie wiedzy”- czyli lista źródeł, po które warto sięgnąć, żeby doczytać więcej. Czasem są to linki do stron, czasem tytuły książek, czasem publikacje. Dzięki temu czuję, że jeśli coś mnie bardziej zainteresuje, to wiem, gdzie szukać.

📝 Podsumowując- polecam!

Wszystkie te elementy sprawiają, że książka naprawdę daje satysfakcję. Szczególnie jeśli- tak jak ja- jesteś na początku swojej drogi w data science.

Uważam, że sporo zyskałam na tym, że pierwszą książką, po którą sięgnęłam, był „Analityk danych”. Dał mi dobre podstawy i przygotował grunt pod „Statystykę praktyczną…”, którą teraz… czytam niemal jak książkę fabularną! 😄 Naprawdę! Sama się dziwię, jak dobrze mi się ją czyta. Jeśli jesteś na podobnym etapie- zdecydowanie polecam!