Need to learn statistics for your job? Want help passing a statistics course? Statistics in a Nutshell is a clear and concise introduction and reference for anyone new to the subject. Thoroughly revised and expanded, this edition helps you gain a solid understanding of statistics without the numbing complexity of many college texts. Each chapter presents easy-to-follow descriptions, along with graphics, formulas, solved examples, and hands-on exercises. If you want to perform common statistical analyses and learn a wide range of techniques without getting in over your head, this is your book. Learn basic concepts of measurement and probability theory, data management, and research design Discover basic statistical procedures, including correlation, the t-test, the chi-square and Fisher’s exact tests, and techniques for analyzing nonparametric data Learn advanced techniques based on the general linear model, including ANOVA, ANCOVA, multiple linear regression, and logistic regression Use and interpret statistics for business and quality improvement, medical and public health, and education and psychology Communicate with statistics and critique statistical information presented by others

EndNote Click（Chrome浏览器用）插件，便于在web of science中下载pdf文献

Data-science-and-complex-networks-real-cases-studies-with-Python.pdf

特征：针对语言，修改稿子前必读。 重要章节： 第三章，讲好科学故事。（其内容较短，是Style的简化版） 第四章，多考虑主动语态。 第五章，谨慎用词。 第六章，精简用词。 第七章，保持思路流畅。 第八、九章，长句VS短句。 第十章，设计段落内结构。 第十一章，整篇大结构。

Category theory for computing science是非常值得重读的数学著作，适合学习中的计算机科学家，逻辑学家，语言学家等，可以作为范畴论的入门书籍

Algorithms to Live by:The Computer Science of Human Decisions中文名：算法之美 《算法之美》是2018年5月由中信出版集团出版的一本图书，作者是布莱恩·克里斯汀和汤姆·格里菲思。本书通过讨论人类事务算法设计的概念，以帮助人们更好地处理日常生活中遇到的难题。万维钢、查尔斯·都希格等人对本书做出了评价。

数据科学研讨会 这是出版的的资料库。 它包含从头到尾完成该课程所必需的所有支持项目文件。 要求和设置 要开始使用项目文件，您需要： 设定 关于数据科学研讨会 为您提供了开始从事各种数据科学项目所需的基本技能。 本书将逐步介绍数据科学项目的基本组成部分，然后将所有部分放在一起以巩固您的知识并在现实世界中应用您的知识。 您将学到什么 探索有监督学习与无监督学习之间的主要区别 使用scikit-learn和pandas库处理和分析数据 了解关键概念，例如回归，分类和聚类 探索先进的技术来提高模型的准确性 了解如何加快添加新功能的过程 简化您的机器学习工作流程以进行生产 相关工作坊 如果您发现此存储库很有用，则可能需要查看我们的其他一些研讨会标题： 应用TensorFlow和Keras研讨会

自1948年引入信息论以来，信息论已被证明在分析与压缩、存储和传输数据有关的问题方面起着重要作用。例如，信息论允许分析数据通信和压缩的基本限制，并在几十年的实际通信系统设计中发挥了作用。近年来，在使用信息理论方法解决数据压缩、数据通信和网络之外的问题方面出现了复兴，例如压缩感知、数据获取、数据分析、机器学习、图挖掘、社区检测、隐私和公平。在这本书中，我们探索了信号处理、机器学习、学习理论和统计的接口上的一系列广泛的问题，其中源自信息论的工具和方法可以提供类似的好处。几十年来，信息论在这一界面上的作用确实得到了承认。一个突出的例子是在1980年代使用互信息、度量熵和容量等信息理论量来建立估计的极大极小率。在这里，我们打算探索这个界面的现代应用，这些应用正在塑造21世纪的数据科学。 当然，标准信息理论工具与信号处理或数据分析方法之间有一些显著的差异。从整体上说，信息论倾向于关注渐近极限，使用大的块长度，并假设数据是由有限的比特数表示，并通过一个噪声信道观看。标准结果不关心复杂性，而是更多地关注通过可实现性和反向结果表征的基本限制。另一方面，一些信号处理技术，如采样理论，专注于离散时间表示

Python是访问、操作和从各种数据中获得见解的理想选择。Python for Data Science通过根植于实际示例和实践活动的边做边学的方法向您介绍Python的数据分析世界。您将学习如何编写Python代码来获取、转换和分析数据，为业务管理、市场营销和决策支持中的用例实践最先进的数据处理技术。 您将发现Python丰富的用于基本操作的内置数据结构集，以及用于数据科学的健壮的开源库生态系统，包括NumPy、pandas、scikit-learn、matplotlib等。这些示例展示了如何以各种格式加载数据，如何简化、分组和聚合数据集，以及如何创建图表、地图和其他可视化功能。后面的章节将深入展示真实世界的数据应用，包括使用位置数据为出租车服务提供动力，市场篮子分析来识别共同购买的商品，以及机器学习来预测股票价格。 这本书从数据处理和分析的概念介绍开始，解释一个典型的数据处理管道。然后，我们将介绍Python的内置数据结构和一些广泛用于数据科学应用程序的第三方Python库。接下来，我们将探讨用于获取、组合、聚合、分组、分析和可视化不同大小和数据类型的数据集的日益复杂的技术。随

Phormatics：使用AI最大化锻炼 F1：首页（GIF乍一看可能有点断断续续，但是我保证这是值得的） 创建人：Jason Chin 林查理 黄Huang ，胡文vin 项目开发了36个小时，专注于使用AI和计算机视觉来构建虚拟的个人健身教练。 能够将2D人体姿势估计与商品网络摄像头一起使用来评论您的表格并计算重复次数。 该项目获得了颁发的“最具启动性的黑客”奖。 二维人体姿势估计： f2：在繁忙环境中的生活姿势估计； 注意：此处用户已经过度伸展了右臂（图像已镜像），在这种哑铃式肩press式压力机变型中，该形式被认为是不好的形式，因此出现了消息。 姿势估计基于的 。 由开