Эта книга предлагает четкое и прикладное изложение основ статистического обучения — ключевого инструмента для работы с большими и сложными данными в различных областях: от биологии и финансов до маркетинга и астрофизики. Она охватывает основные методы машинного обучения, включая регрессию, классификацию, методы повторной выборки, подходы к уменьшению размерности, древовидные модели, методы опорных векторов, кластеризацию и глубокое обучение. Материал объяснен на реальных примерах и наглядных графиках, что помогает лучше понять применение различных подходов. Также в каждой главе приведены рекомендации для реализации методов на языке R — популярном инструменте статистического анализа с открытым кодом. Книга ориентирована на практиков в науке, бизнесе и индустрии, которые стремятся эффективно применять современные методы анализа данных.