OpenIntro Statistics cung cấp một cuốn sách giới thiệu truyền thống về lĩnh vực thống kê ở cấp độ đại học. Cuốn sách giáo khoa được sử dụng rộng rãi này cung cấp một nền tảng đặc biệt và dễ tiếp cận cho nhiều đối tượng sinh viên, từ sinh viên tại các trường cao đẳng cộng đồng đến sinh viên của các trường đại học Ivy League. Cuốn sách bao gồm khóa học đầu tiên về thống kê , cung cấp một phần giới thiệu chặt chẽ nhưng rõ ràng, súc tích và dễ tiếp cận về thống kê ứng dụng.

Cuốn sách truy cập mở trình bày các phương pháp hiện đại trong khoa học dữ liệu và phân loại, bao gồm suy luận và mô hình thống kê, phân cụm, giảm kích thước, phân tích dữ liệu chức năng, chuỗi thời gian và mạng.

Cuốn sách này phù hợp với tất cả các bên liên quan tham gia vào nghiên cứu chuyên sâu về dữ liệu và kỹ thuật số trong kinh tế và tài chính, giúp họ hiểu những cơ hội và thách thức chính, làm quen với những phát hiện phương pháp mới nhất cũng như tìm hiểu cách sử dụng và đánh giá hiệu suất của các công cụ mới và các khuôn khổ.

Cuốn sách này là giáo trình cho khóa học đầu tiên về khoa học dữ liệu. Không cần kiến ​​thức trước về R, mặc dù một số kinh nghiệm lập trình có thể hữu ích. Cuốn sách được chia thành sáu phần: R, trực quan hóa dữ liệu, thống kê với R, xử lý dữ liệu, học máy và các công cụ năng suất. Mỗi phần có một số chương được trình bày dưới dạng một bài giảng. Tác giả sử dụng các nghiên cứu điển hình đầy động lực mô phỏng một cách thực tế trải nghiệm của một nhà khoa học dữ liệu.

Cuốn sách cung cấp nền tảng toàn diện cho sinh viên tiếp cận khoa học dữ liệu, từ khái niệm cơ bản đến các kỹ thuật phân tích nâng cao. Cuốn sách cũng nhấn mạnh tầm quan trọng của đạo đức trong toàn bộ chu trình khoa học dữ liệu, cách trực quan hóa dữ liệu hiệu quả và cách báo cáo kết quả một cách rõ ràng, chặt chẽ.

Cuốn sách này gồm có hai phần, phần đầu tiên được thiết kế để sử dụng trong khóa học lập trình cơ bản dành cho những sinh viên muốn học Python mà không có bất kỳ kinh nghiệm lập trình nào trước đó. Các khái niệm lập trình cơ bản được thảo luận, giải thích và minh họa bằng chương trình Python.

Cuốn sách truy cập mở này bao gồm toàn diện các nguyên tắc cơ bản của khoa học dữ liệu lâm sàng, tập trung vào thu thập dữ liệu, mô hình hóa và các ứng dụng lâm sàng. Các chủ đề được đề cập trong phần đầu tiên về thu thập dữ liệu bao gồm: nguồn dữ liệu, dữ liệu ở quy mô lớn (dữ liệu lớn), quản lý dữ liệu (dữ liệu FAIR) và các mối quan tâm liên quan đến quyền riêng tư. Các khía cạnh của mô hình dự đoán sử dụng các kỹ thuật như phân loại, hồi quy hoặc phân cụm và xác thực mô hình dự đoán sẽ được đề cập trong phần thứ hai. Phần thứ ba bao gồm các khía cạnh của hệ thống hỗ trợ quyết định lâm sàng (di động), sự xuất sắc trong hoạt động và chăm sóc sức khỏe dựa trên giá trị.

Trực quan hóa theo thời gian thực, dựa trên web và tương tác được chứng minh là các phương pháp và công cụ nổi bật trong nhiều lĩnh vực khi có sẵn kiến thức về khoa học dữ liệu phức tạp và kỹ thuật trực quan. Lý do cho điều này là do các phương pháp phân tích khoa học dữ liệu hiện đại như máy/học sâu hoặc trí tuệ nhân tạo, cũng như kết hợp kỹ thuật số, hứa hẹn cung cấp thông tin chi tiết về dữ liệu, cho phép đưa ra quyết định sáng suốt và tạo điều kiện cho các tương tác phong phú giữa các bên liên quan.

Cuốn sách này nhằm mục đích chứng minh vai trò hiện đại của lý thuyết thông tin trong một loạt các ứng dụng khoa học dữ liệu.

Cuốn sách giới thiệu toàn diện về Khoa học dữ liệu dành cho sinh viên mới bắt đầu, tập trung vào các nền tảng như phân tích dữ liệu thăm dò, cấu trúc dữ liệu, quan hệ nhân quả, học máy và lập trình Python với Jupyter Notebooks.