مقدمة في التعلم الإحصائي - (Springer Texts in Statistics) (غلاف ورقي)

ملخص الكتاب يقدم كتاب An Introduction to Statistical Learning نظرة عامة ميسرة على مجال التعلم الإحصائي، والذي يعد مجموعة أدوات أساسية لفهم مجموعات البيانات الضخمة والمعقدة التي ظهرت في مجالات تتراوح من علم الأحياء إلى التمويل والتسويق والفيزياء الفلكية خلال العشرين سنة الماضية. يستعرض هذا الكتاب بعضاً من أهم تقنيات النمذجة والتنبؤ، إلى جانب التطبيقات ذات الصلة. تشمل المواضيع التي يتناولها الكتاب الانحدار الخطي، والتصنيف، وطرق إعادة أخذ العينات، وأساليب الانكماش، والطرق القائمة على الأشجار، وآلات المتجهات الداعمة، والتجميع، والتعلم العميق، وتحليل البقاء، والاختبارات المتعددة، وغيرها الكثير. كما تم استخدام رسوم توضيحية ملونة وأمثلة من الواقع العملي لتوضيح الأساليب المقدمة. يستهدف هذا الكتاب الإحصائيين وغير الإحصائيين على حد سواء، ممن يرغبون في استخدام تقنيات التعلم الإحصائي المتطورة لتحليل بياناتهم.

شارك أربعة من المؤلفين في كتاب An Introduction to Statistical Learning, With Applications in R (ISLR)، الذي أصبح مرجعاً أساسياً في الفصول الدراسية لمرحلتي البكالوريوس والدراسات العليا حول العالم، بالإضافة إلى كونه كتاباً مرجعياً هاماً لعلماء البيانات. وكان أحد مفاتيح نجاحه هو احتواء كل فصل على دليل تعليمي حول كيفية تنفيذ التحليلات والأساليب المعروضة باستخدام بيئة الحوسبة العلمية R. ومع ذلك، أصبحت لغة Python في السنوات الأخيرة لغة شائعة في مجال علوم البيانات، مما أدى إلى زيادة الطلب على بديل يعتمد على Python لكتاب ISLR. لذلك، يغطي هذا الكتاب (ISLP) نفس المواد التي يغطيها ISLR، ولكن مع مختبرات تطبيقية باستخدام لغة Python. ستكون هذه المختبرات مفيدة لكل من المبتدئين في استخدام Python والمستخدمين ذوي الخبرة على حد سواء.

عن الغلاف الخلفي يقدم كتاب An Introduction to Statistical Learning نظرة عامة ميسرة على مجال التعلم الإحصائي، والذي يعد مجموعة أدوات أساسية لفهم مجموعات البيانات الضخمة والمعقدة التي ظهرت في مجالات تتراوح من علم الأحياء إلى التمويل والتسويق والفيزياء الفلكية خلال العشرين سنة الماضية. يستعرض هذا الكتاب بعضاً من أهم تقنيات النمذجة والتنبؤ، إلى جانب تطبيقات ذات صلة. تشمل المواضيع التي يتناولها الكتاب الانحدار الخطي، والتصنيف، وطرق إعادة أخذ العينات، وأساليب الانكماش، والطرق القائمة على الأشجار، وآلات المتجهات الداعمة، والتجميع، والتعلم العميق، وتحليل البقاء، والاختبارات المتعددة، وغيرها الكثير. كما تم استخدام رسوم توضيحية ملونة وأمثلة من الواقع العملي لتوضيح الأساليب المقدمة. يستهدف هذا الكتاب الإحصائيين وغير الإحصائيين على حد سواء، ممن يرغبون في استخدام تقنيات التعلم الإحصائي المتطورة لتحليل بياناتهم.

شارك أربعة من المؤلفين في كتاب An Introduction to Statistical Learning, With Applications in R (ISLR)، الذي أصبح مرجعاً أساسياً في الفصول الدراسية لمرحلتي البكالوريوس والدراسات العليا حول العالم، بالإضافة إلى كونه كتاباً مرجعياً هاماً لعلماء البيانات. وكان أحد مفاتيح نجاحه هو احتواء كل فصل على دليل تعليمي حول كيفية تنفيذ التحليلات والأساليب المعروضة باستخدام بيئة الحوسبة العلمية R. ومع ذلك، أصبحت لغة Python في السنوات الأخيرة لغة شائعة في مجال علوم البيانات، مما أدى إلى زيادة الطلب على بديل يعتمد على Python لكتاب ISLR. لذلك، يغطي هذا الكتاب (ISLP) نفس المواد التي يغطيها ISLR، ولكن مع مختبرات تطبيقية باستخدام لغة Python. ستكون هذه المختبرات مفيدة لكل من المبتدئين في استخدام Python والمستخدمين ذوي الخبرة على حد سواء.

آراء المراجعات

"يعد هذا الكتاب أطروحة ممتازة حول التعلم الإحصائي للقراء الذين لديهم معرفة أساسية بالإحصاء." (Nirode C. Mohanty, zbMATH 1579.62002, 2026) "يتبنى الكتاب نهجاً عملياً وتطبيقياً لتدريس التعلم الإحصائي، حيث يتميز بالعديد من الأمثلة ودراسات الحالة، مصحوبة بأكواد Python للتنفيذ. ويعد الكتاب كلاسيكياً معاصراً، حيث يقدم إرشادات واضحة وبسيطة حول كيفية تنفيذ أحدث أساليب الإحصاء والتعلم الآلي." إذا كنت ترغب في استخدام أدوات وتقنيات تحليل البيانات بذكاء لتحليل البيانات الضخمة و/أو المعقدة، فيجب أن يكون هذا الكتاب في مقدمة مكتبتك.

نبذة عن المؤلف

يشغل غاريث جيمس منصب عميد كلية Goizueta Business School بجامعة Emory، وهو صاحب مؤلفات واسعة في مجال الأعمال المنهجية المتعلقة بالتعلم الإحصائي، مع تركيز خاص على البيانات عالية الأبعاد والبيانات الوظيفية. وقد انبثق الإطار المفاهيمي لهذا الكتاب من مساقات اختيارية ضمن برنامج ماجستير إدارة الأعمال (MBA) التي يدرسها في هذا المجال. أما دانييلا ويتن، فهي أستاذة الإحصاء والإحصاء الحيوي، وتشغل كرسي Dorothy Gilford المخصص في University of Washington. تتركز أبحاثها بشكل كبير على تقنيات تعلم الآلة الإحصائية لتحليل البيانات المعقدة وغير المنظمة والضخمة، مع التركيز على التعلم غير الخاضع للإشراف. ويشغل Trevor Hastie و Robert Tibshirani منصب أستاذ الإحصاء في Stanford University، وهما المؤلفان المشاركان للكتاب التعليمي الناجح Elements of Statistical Learning. وقد طور Hastie و Tibshirani النماذج الإضافية المعممة وألفا كتاباً شهيراً بهذا العنوان. كما ساهم Hastie في تطوير الكثير من برمجيات وبيئة النمذجة الإحصائية في R، وابتكر المنحنيات والأسطح الرئيسية. ابتكر تيبشيراني طريقة lasso، وهو مؤلف مشارك للكتاب الناجح للغاية An Introduction to the Bootstrap. وكلاهما عضوان منتخبَان في الأكاديمية الوطنية للعلوم في الولايات المتحدة. أما جوناثان تايلور فهو أستاذ الإحصاء في Stanford University، وتركز أبحاثه على الاستدلال الانتقائي وكشف الإشارات في الضوضاء المهيكلة.