Nesta segunda edição, o clássico e referenciado Estatística e Ciência de Dados continua sua trajetória de sucesso e pioneirismo ao abordar esse tema tão atual, sob o ponto de vista estatístico e computacional. Desenvolvido pelos consagrados autores Pedro Morettin e Julio Singer, combina, de maneira didática e objetiva, os fundamentos de análise exploratória de dados - extremamente importantes para a compreensão da Ciência de Dados - aos principais métodos utilizados na área. Os autores apresentam as ideias que fundamentam os algoritmos de suporte vetorial, árvores de decisão, florestas aleatórias e redes neurais, em um contexto que introduz as principais aplicações do tema (previsão, classificação, redução da dimensionalidade e agrupamento). Há vários exemplos práticos provenientes de análises de dados reais. O conteúdo foi completamente revisto e atualizado, e foram incluídos novos exemplos e uma breve descrição sobre redes generativas adversárias. Diferenciais: Promove integração entre os conceitos de Estatística, Computação e Ciência de Dados. Exibe conjuntos de dados e comandos do software R utilizados para as análises ao longo de todo o texto. Oferece inúmeros exemplos práticos, sendo a maioria proveniente de análises de dados reais. Apresenta apêndices com conceitos básicos de simulação e otimização, e também sobre algoritmos para dados aumentados.