Julia，作为在AI语言榜上飞速上升的语言，拿来做数据统计也是一把好手。

在Quora上“Julia做数据统计有多好”的问题下，威斯康星大学麦迪逊分校的Yibo Liu同学评价说，用Julia做线性编程，不仅运行快，还能在Jupyter里实时修改查看运行结果。

那么如何用Julia来做数据统计呢？这本免费开放阅读的《Julia数据统计》不可错过。

有人对这本书非常认同：

甚至，本书作者称之为“我职业生涯中两个重大项目”之一。

此外，这本书还包含Julia的基本操作和在机器学习方面的实践。

这本书说了啥

这本书起源于作者们为昆士兰大学统计课程准备的教学资料，当时Julia还是0.5版本。

作者们认为，Julia在性能、简便性和灵活性上都有优势，而且是一门迅速成长的语言，在数据科学、统计学、机器学习等领域都正在发挥越来越大的作用，适用范围非常广，因此，决定将者们语言应用在教学中。

这本书总共包含10个章节：

1、Julia介绍

2、基本概率

3、概率分布

4、数据处理和汇总

5、统计推断

6、置信区间

7、假设检验

8、线性回归

9、机器学习基础

10、动态模型模拟

后面还有关于Julia使用技巧的附录部分。

每个章节都有详细的介绍，比如第二章基本概率部分，就包含了随机试验、集合、条件概率、贝叶斯定理等几个部分。

而每个部分，从公式原理到代码都有：

而且，代码每一行是在做什么，作者也都有解释。

对复杂的问题还绘制了图片解释：

这样看来，读起来不仅能容易的理解，还可以直接理解代码，方便上手实际操作。

昆士兰大学出品

这本书的作者昆士兰大学的两位研究人员Hayden Klok和Yoni Nazarathy。

Hayden Klok是昆士兰大学商学院的高级研究员，主要进行数据管理和数据分析方面的工作。

Yoni Nazarathy是昆士兰大学的数学研究员和讲师，在数学和物理学院教授统计学、应用数学和数据科学，研究运筹学和概率统计相关内容，他也是数学教育平台One on Epsilon的创始人。《Stochastic Models》的副主编。

传送门

Statistics with Julia：

https://people.smp.uq.edu.au/YoniNazarathy/julia-stats/StatisticsWithJulia.pdf

“