Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka Thomas Nield
- Autor:
- Thomas Nield
- Wydawnictwo:
- Helion
- Wydawnictwo:
- Helion
- Ocena:
- Stron:
- 288
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Opis
książki
:
Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
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!
Wybrane bestsellery
Thomas Nield - pozostałe książki
Zobacz pozostałe książki z serii
Helion - inne książki
Dzięki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep@ebookpoint.pl
Książka drukowana

Oceny i opinie klientów: Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka Thomas Nield
(13)-
6
-
5
-
4
-
3
-
2
-
1
5.1(6)
(4)
(1)
(2)
(0)
(0)
więcej opinii