Inne - podręczniki
Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
- Szczegóły
- Kategoria: Inne - podręczniki szkolne
Rosnąca dostępność danych sprawiła, że data science i uczenie maszynowe są powszechnie używane do przeróżnych celów. Równocześnie wiele osób pomija analizy matematyczne przed rozpoczęciem przetwarzania danych. A to wiąże się z ryzykiem popełnienia istotnych błędów już na etapie projektowania danego systemu. Dopiero dogłębne zrozumienie niektórych koncepcji matematycznych i umiejętność ich praktycznego zastosowania sprawia, że kandydat na analityka danych ma szansę osiągnąć poziom profesjonalisty.
To książka przeznaczona dla osób, które chcą dobrze zrozumieć matematyczne podstawy nauki o danych i nauczyć się stosowania niektórych koncepcji w praktyce. Wyjaśniono tu takie zagadnienia jak rachunek różniczkowy i całkowy, rachunek prawdopodobieństwa, algebra liniowa i statystyka, pokazano także, w jaki sposób posługiwać się nimi w regresji liniowej, regresji logistycznej i w tworzeniu sieci neuronowych.
Poszczególne tematy zostały omówione zrozumiale, przystępnie, bez naukowego żargonu, za to z licznymi praktycznymi przykładami, co dodatkowo ułatwia przyswojenie koncepcji i prawideł matematyki. Opanowanie zawartej tu wiedzy pozwala uniknąć wielu kosztownych błędów projektowych i trafniej wybierać optymalne rozwiązania!
Dzięki książce nauczysz się:
- używać kodu Pythona i jego bibliotek do eksplorowania koncepcji matematycznych,
- posługiwać się regresją liniową i regresją logistyczną,
- opisywać dane metodami statystycznymi i testować hipotezy,
- manipulować wektorami i macierzami,
- łączyć wiedzę matematyczną z użyciem modeli regresji,
- unikać typowych błędów w stosowaniu matematyki w data science.
Zrozum matematykę i efektywnie używaj danych!
Thomas Nield - programista i analityk o wieloletnim doświadczeniu. Obecnie zajmuje się rozwijaniem oprogramowania dla biznesu w firmie Southwest Airlines. Specjalista w zakresie programowania reaktywnego, programowania w językach Java i Kotlin, a także oprogramowania dla biznesu do realizacji zadań strategicznych. Autor wielu popularnych artykułów i uczestnik licznych projektów programistycznych.
- Matematyczne łamańce. Wydanie II. Jeszcze więcej zagadek logicznych - [25 grudzień 2023]
- Wstęp do matematyki dyskretnej, równań i nierówności różniczkowo-funkcyjnych, geometrii trójwymiarowej i funkcji wielu zmiennych. Zadania dla studentów i kandydatów na studia - [06 kwiecień 2023]
- Wizualizacja danych. Pulpity nawigacyjne i raporty w Excelu - [21 marzec 2023]
- Wstęp do analizy matematycznej, algebry i równań różniczkowych. Zadania dla studentów i kandydatów na studia - [16 sierpień 2022]
- Jeszcze dziwniejsza matematyka. Na granicy poznania - [26 maj 2022]