ODBIERZ TWÓJ BONUS :: »

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

Autor:
Thomas Nield
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
5.1/6  Opinie: 13
Stron:
288
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
41,40 zł 69,00 zł (-40%)
41,40 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
34,50 zł 69,00 zł (-50%)
34,50 zł najniższa cena z 30 dni

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Stosowania rachunku różniczkowego i całkowego w analizie danych
  • Obliczania granic, pochodnych i całek funkcji
  • Wykorzystywania logarytmów i liczby Eulera w modelowaniu
  • Analizowania prawdopodobieństwa, w tym prawdopodobieństwa warunkowego i twierdzenia Bayesa
  • Rozróżniania i stosowania rozkładów prawdopodobieństwa (dwumianowy, beta, normalny)
  • Opisywania danych za pomocą statystyki opisowej (średnia, mediana, dominanta, wariancja, odchylenie standardowe)
  • Przeprowadzania wnioskowania statystycznego i testowania hipotez
  • Wyznaczania przedziałów ufności i wartości p
  • Manipulowania wektorami i macierzami oraz wykonywania działań na macierzach
  • Rozwiązywania układów równań liniowych z użyciem macierzy
  • Obliczania wartości i wektorów własnych
  • Budowania i interpretowania modeli regresji liniowej i logistycznej
  • Wykorzystywania metod optymalizacji, takich jak metoda gradientu prostego i stochastycznego
  • Analizowania jakości modeli za pomocą współczynnika korelacji, determinacji i macierzy błędów
  • Tworzenia i trenowania prostych sieci neuronowych z użyciem Pythona i scikit-learn
  • Stosowania praktycznych porad dotyczących kariery i pracy w data science

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!

Wiosna w głowie, ebook w dłoni! / do -50% na tysiące tytułów

Wybrane bestsellery

O autorze książki

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

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy muszę znać zaawansowaną matematykę, żeby korzystać z tej książki?
Nie, książka została napisana przystępnym językiem i tłumaczy zagadnienia od podstaw. Skierowana jest do osób, które chcą zrozumieć matematykę wykorzystywaną w data science, nawet jeśli wcześniej nie miały z nią dużej styczności.
2. Czy w książce znajdę praktyczne przykłady i ćwiczenia?
Tak, każdy rozdział zawiera liczne praktyczne przykłady oraz ćwiczenia, które pomagają utrwalić zdobytą wiedzę i zastosować ją w praktyce.
3. Jakie zagadnienia matematyczne są omawiane w książce?
Książka obejmuje podstawy algebry liniowej, rachunku prawdopodobieństwa, statystyki, rachunku różniczkowego i całkowego, a także ich zastosowania w regresji, klasyfikacji i sieciach neuronowych.
4. Czy książka zawiera przykłady kodu w Pythonie?
Tak, autor pokazuje, jak wykorzystać Pythona i jego biblioteki do eksplorowania koncepcji matematycznych i rozwiązywania problemów z zakresu data science.
5. Czy ta publikacja pomoże mi przygotować się do praktycznej pracy w data science?
Tak, książka skupia się na praktycznym zastosowaniu matematyki w analizie danych, modelowaniu i unikaniu typowych błędów, co jest bardzo przydatne w codziennej pracy analityka danych.
6. Czy książka nadaje się do samodzielnej nauki?
Tak, dzięki jasnym wyjaśnieniom, przykładom i odpowiedziom do ćwiczeń, książka doskonale sprawdza się jako materiał do samodzielnego studiowania.
7. Czy publikacja wyjaśnia, jak łączyć wiedzę matematyczną z programowaniem?
Tak, autor krok po kroku pokazuje, jak stosować matematyczne koncepcje w praktyce z użyciem narzędzi programistycznych, co ułatwia zrozumienie i wdrożenie poznanych zagadnień.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Książka
41,40 zł
Dodaj do koszyka
Ebook
34,50 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności mBank Ikona płatności Millennium Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Citi Handlowy Ikona płatności Płacę z Getin Bank Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Visa Mobile