Existe algum bom livro de ciências popular sobre estatística ou aprendizado de máquina?

Há um monte de bons livros de ciências populares por aí, que lidam com a ciência real, bem como a história e as razões por trás das teorias atuais, embora sejam extremamente agradáveis ​​de ler. Por exemplo, "Chaos", de James Gleick (caos, fractais, não-linearidade), "Uma breve história do tempo", de Stephen Hawking (física, origem do universo, tempo, buracos negros), ou "The Selfish Gene", de Richard Dawkins (evolução e seleção natural). Alguns desses livros apresentam argumentos (Dawkins) e outros não (Gleick). Mas todos eles servem para facilitar a compreensão de conceitos que, de outra forma, são difíceis para nós, sem uma educação científica aprofundada.

Existem livros desse tipo focados principalmente em estatística ou aprendizado de máquina?

Inclua um resumo do que cada livro cobre.

Eu suspeito que The Lady Tasting Tea , de David Salsberg, é exatamente o que você deseja. É muito escrito em estilo narrativo, quase como um romance, essencialmente sem matemática (pelo que me lembro), por isso seria acessível a qualquer pessoa. Eu li há muito tempo e realmente gostei. Ele lê muito rápido e pode dar às pessoas uma noção do que é a análise estatística e como ela pode nos ajudar a entender o mundo e resolver problemas práticos.

O novo livro de Nate Silver, O sinal e o ruído: por que a maioria das previsões falha - mas algumas não se encaixam bem na sua descrição. É também uma introdução ao pensamento bayesiano para leigos. Recebeu alguma atenção ultimamente e uma resenha do livro pode ser encontrada aqui .

Também vale a pena conferir os livros de Freakonomics da Levitt & Dubner .

Mais boas leituras:

A falha das médias por Sam L. Savage

Enganado pela aleatoriedade por Nassim Taleb

Ambos são livros de certa forma cautelosos sobre o cuidado de como interpretar probabilidades e estatísticas em nossa vida cotidiana. Por exemplo, nos mercados financeiros, pode-se usar mal uma distribuição gaussiana diária como uma medida de risco com consequências desastrosas e, portanto, podemos querer usar modelos mais empíricos (como simulações de monte carlo) na prática. O Taleb é muito popular nos círculos financeiros e muitas vezes nos adverte para ter mais cuidado com preconceitos comportamentais e excesso de confiança na modelagem

"A teoria que não morreria", de Sharon Bertsch McGrayne, é um livro muito legível sobre a história das estatísticas bayesianas e a idéia geral por trás dela sem ficar muito atolado na matemática.

Também sou fã de "The Cartoon Guide to Statistics", de Gonnick e Smith, como uma boa introdução ao conceito geral de estatística com parte da matemática, mas apresentado de uma maneira que não faz você dormir (eu também tenho o guias de desenho animado sobre genética, física e química e leram alguns outros).

Eu sugeriria os seguintes livros, embora nenhum seja o ideal, você deve conferir:

1. O (mau) comportamento dos mercados por (o grande) B. Mandelbrot
2. Struck By Lightening por Jefferey Rosenthal

com o primeiro mais focado em finanças, mas ainda assim estatístico, e o último é uma introdução a todos os assuntos interessantes de probabilidade: probabilidades, o problema de Monty Hall, funções de utilidade, caminhadas aleatórias etc.

Um livro muito bom para ajudar na alfabetização estatística básica e no raciocínio estatístico - e por defender a importância disso - é The Tiger That Isn't de Andrew Dilnot, ex-apresentador de um popular programa de rádio sobre estatísticas aplicadas à BBC.

Costumo recomendá-lo como o equivalente estatístico do livro popular de ciência pop Bad Science, de Ben Goldacre. É bom para introduzir o raciocínio estatístico básico, mostrar a importância do raciocínio estatístico básico e deixar as pessoas preocupadas com a falta de raciocínio estatístico básico entre as pessoas que realmente deveriam conhecer melhor (principalmente políticos, jornalistas etc.). Muito acessível, envolvente, engraçado em alguns lugares, profundamente preocupante em outros! Particularmente bom como uma introdução para quem pensa em números como "não é o que eles gostam".

Ian Ayres é autor do livro "Super Crunchers: Por que pensar por números é a nova maneira de ser inteligente", que discute vários exemplos de mineração de dados.

Imaginei que preencheria uma lacuna aqui, apontando alguns bons livros no estilo de mercado de massa sobre conjuntos nebulosos, teoria da informação, entropia e raciocínio estatístico que li e recomendo.

• Para todas as coisas nebulosas, um bom ponto de partida informal é McNeill, Dan, 1993, Fuzzy Logic. Simon & Schuster: Nova York.

• Para uma boa introdução ao mercado de massa de redes neurais, organizada em torno de algumas especulações interessantes sobre a organização do cérebro humano, consulte Hawkins, Jeff, 2004, On Intelligence. Times Books: Nova Iorque.

Para introduções de fácil leitura para tópicos importantes, como as armadilhas da estatística e o raciocínio falacioso, tente estas três:

Huff, Darrell, 1954, Como mentir com as estatísticas. WW Norton & Company Nova Iorque.

• Kault, David, 2003, Estatística com senso comum. Greenwood Press: Westport, Connecticut.

• Smith, Gary, 2014, Desvios padrão: premissas falhas, dados torturados e outras maneiras de se relacionar com as estatísticas. Overlook Press: Nova York.

A seguir, todos estão relacionados à teoria da informação e à entropia:

• Lucky, RW, 1989, Silicon Dreams: Information, Man, and Machine. Imprensa de St. Martin: Nova York.

• Este autor faz um excelente trabalho ao colocar a teoria da informação em contexto e apontar abusos, enquanto ainda escreve de uma maneira que um não especialista pode entender: Pierce, John Robinson, 1961, Símbolos, sinais e ruído: a natureza e Processo de Comunicação. Harper: Nova York.

• Li este título semelhante, mas não me lembro se é uma edição posterior ou uma continuação: Pierce, John Robinson, 1980, Uma Introdução à Teoria da Informação: Símbolos, Sinais e Ruído. Dover Publications: Nova York.

• Se bem me lembro, esse autor era de fácil leitura, enquanto ainda entra em alguns conceitos mais avançados: Brillouin, Léon, 1964, Science, Incerteza e Informação. Imprensa acadêmica: Nova York.

• Ver também Brillouin, Léon, 1962, Ciência e teoria da informação. Imprensa acadêmica: Nova York.

• Li isso há muito tempo, mas acredito que este autor era legível e tinha algumas observações interessantes sobre a teoria da informação: Bar-Hillel, Yehoshua, 1964, Linguagem e informação: ensaios selecionados sobre sua teoria e aplicação. Addison-Wesley Pub. Co. Leitura, Mass.

Quero advertir que os livros do mercado de massa sobre tópicos alucinantes como caos, informações, física quântica, probabilidade, aleatoriedade, "cibernética", auto-organização, conjuntos nebulosos e inteligência artificial contêm uma minoria pequena mas proeminente de material que é soprado fora de proporção, às vezes a ponto de ser logicamente inválido. Cada uma dessas teorias tem defensores conhecidos que não sabem quando parar com uma coisa boa e fazem grandes saltos lógicos para transformar seus campos particulares em explicações grandiosas de tudo. Cada um possui autores que vão muito além das evidências, até a ponto de ignorar avisos explícitos dos fundadores de seus campos, como Shannon fez sobre o uso indevido da entropia de informações. Há uma tonalidade febril e prejudicial à sua escrita, que às vezes se qualifica como ciência inútil produzida por manivelas. Eu poderia citar alguns nomes famosos que continuam imprimindo coisas ultrajantes sobre esses tópicos, com base em falácias lógicas óbvias e, às vezes, em fatos grosseiramente equivocados. Não vou fazer isso aqui para evitar uma grave guerra de chamas, porque teria que chamar alguns ídolos e vacas sagradas. Esteja ciente de que existe um material enganoso desse tipo e esteja pronto para sinalizá-lo. Cuidado com reivindicações extraordinárias sem a prova extraordinária necessária.

The Drunkard's Walk, de Leonard Mlodinow, é uma introdução fácil de ler a estatísticas e probabilidades básicas. O conteúdo é destinado a um público sem treinamento estatístico ou matemático, e não há equações. Eu achei um pouco estúpido demais. Existem muitas histórias relacionadas a várias aplicações de estatísticas ruins e explicações claras de por que elas estavam erradas.

O livro aborda estatísticas básicas e probabilidade condicional.

Numbers Rule your World , de Kaiser Fung, descreve a importância das estatísticas em muitos sistemas que são fundamentais para a sociedade moderna, como os mercados de seguros.

O Number Sense , também de Kaiser Fung, fala sobre "big data" mais especificamente.

O algoritmo mestre: como a busca pela melhor máquina de aprendizado será reformulada em nosso mundo é um livro de Pedro Domingos, lançado em 2015. Domingos escreveu o livro para gerar interesse de pessoas fora do campo.

O livro descreve cinco tribos do aprendizado de máquina: raciocínio indutivo, conexionismo, computação evolutiva, teorema de Bayes e modelagem analógica. O autor explica essas tribos ao leitor referindo-se a processos lógicos mais compreensíveis, conexões feitas no cérebro, seleção natural, julgamentos de probabilidade e similaridade. Ao longo do livro, sugere-se que cada tribo diferente tenha o potencial de contribuir para um "algoritmo mestre" unificador.

https://en.m.wikipedia.org/wiki/The_Master_Algorithm