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 Google Pay Ikona płatności ING Bank Śląski Ikona płatności mBank Ikona płatności Millennium Ikona płatności Nest Bank 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 Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile