Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka

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!

• Autor: Thomas Nield
• Ilość stron: 288
• Oprawa: Miękka
• Rok wydania: 2023
• Wydawnictwo Helion
• Stan: nowy, pełnowartościowy produkt
• Model: 9788383220130
• EAN: 9788383220130
• Nr wydania: 1
• ISBN: 9788383220130
• Język: polski
• Podtytuł: Algebra liniowa, rachunek prawdopodobieństwa i statystyka
• Tłumacz: Werner Grzegorz
• Oryginalny tytuł: Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics
• Wymiary: 16.5x23.5x1.2 cm