Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
- Kategoria:
- informatyka, matematyka
- Tytuł oryginału:
- Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics
- Wydawnictwo:
- Helion
- Data wydania:
- 2023-02-13
- Data 1. wyd. pol.:
- 2023-02-13
- Liczba stron:
- 288
- Czas czytania
- 4 godz. 48 min.
- Język:
- polski
- ISBN:
- 9788383220130
- Tłumacz:
- Grzegorz Werner
- Tagi:
- Matematyka Algebra Data Science Analiza danych
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!
Porównaj ceny
W naszej porównywarce znajdziesz książki, audiobooki i e-booki, ze wszystkich najpopularniejszych księgarni internetowych i stacjonarnych, zawsze w najlepszej cenie. Wszystkie pozycje zawierają aktualne ceny sprzedaży. Nasze księgarnie partnerskie oferują wygodne formy dostawy takie jak: dostawę do paczkomatu, przesyłkę kurierską lub odebranie przesyłki w wybranym punkcie odbioru. Darmowa dostawa jest możliwa po przekroczeniu odpowiedniej kwoty za zamówienie lub dla stałych klientów i beneficjentów usług premium zgodnie z regulaminem wybranej księgarni.
Za zamówienie u naszych partnerów zapłacisz w najwygodniejszej dla Ciebie formie:
• online
• przelewem
• kartą płatniczą
• Blikiem
• podczas odbioru
W zależności od wybranej księgarni możliwa jest także wysyłka za granicę. Ceny widoczne na liście uwzględniają rabaty i promocje dotyczące danego tytułu, dzięki czemu zawsze możesz szybko porównać najkorzystniejszą ofertę.
Mogą Cię zainteresować
Książka na półkach
- 10
- 8
- 2
- 2
- 2
- 2
- 1
- 1
- 1
- 1
Cytaty
Bądź pierwszy
Dodaj cytat z książki Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
Dodaj cytat
OPINIE i DYSKUSJE
Ciekawa książka, większość treści jest przedstawiona w przystępny sposób i stanowi dobre źródło wiedzy. Autor ukazuje te działy matematyki, których możemy potrzebować w Data Science i Machine Learningu.
Rozdziały o regresji logistycznej i sieciach neuronowych uważam za bardzo trudne w odbiorze, ale nie wynika to z winy autora, lecz po prostu ze stopnia skomplikowania tychże zagadnień.
Ciekawa książka, większość treści jest przedstawiona w przystępny sposób i stanowi dobre źródło wiedzy. Autor ukazuje te działy matematyki, których możemy potrzebować w Data Science i Machine Learningu.
więcej Pokaż mimo toRozdziały o regresji logistycznej i sieciach neuronowych uważam za bardzo trudne w odbiorze, ale nie wynika to z winy autora, lecz po prostu ze stopnia skomplikowania...