ODBIERZ TWÓJ BONUS :: »

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

    (ebook) (audiobook) (audiobook)
    Wydawnictwo:
    Helion
    Serie wydawnicze:
    O'Reilly
    Wydawnictwo:
    Helion
    Serie wydawnicze:
    O'Reilly
    Ocena:
    4.7/6  Opinie: 6
    Stron:
    288
    Druk:
    oprawa miękka
    Dostępne formaty:
    PDF
    ePub
    Mobi
    Czytaj fragment
    Wyłącznie

    Książka (44,85 zł najniższa cena z 30 dni)

    69,00 zł (-40%)
    41,40 zł

    Dodaj do koszyka Wysyłamy w 24h

    ( 44,85 zł najniższa cena z 30 dni)

    Ebook (34,50 zł najniższa cena z 30 dni)

    69,00 zł (-52%)
    32,90 zł

    Dodaj do koszyka lub Kup na prezent
    Kup 1-kliknięciem

    ( 34,50 zł najniższa cena z 30 dni)

    Przenieś na półkę

    Do przechowalni

    Do przechowalni

    Powiadom o dostępności audiobooka »

    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!

    Wybrane bestsellery

    O autorze ebooka

    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.

    Thomas Nield - pozostałe książki

    Zobacz pozostałe książki z serii O'Reilly

    Helion - inne książki

    Zamknij

    Wybierz metodę płatności

    Zamknij Pobierz aplikację mobilną Ebookpoint