Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics
Год издания: 2022
Автор: Nield Thomas / Нильд Томас
Издательство: O’Reilly Media, Inc.
ISBN: 978-1098102937
Язык: Английский
Формат: PDF
Количество страниц: 350
Описание:
Master the math needed to excel in data science, machine learning, and statistics. In this book author Thomas Nield guides you through areas like calculus, probability, linear algebra, and statistics and how they apply to techniques like linear regression, logistic regression, and neural networks. Along the way you'll also gain practical insights into the state of data science and how to use those insights to maximize your career.
Learn how to:
Use Python code and libraries like SymPy, NumPy, and scikit-learn to explore essential mathematical concepts like calculus, linear algebra, statistics, and machine learning
Understand techniques like linear regression, logistic regression, and neural networks in plain English, with minimal mathematical notation and jargon
Perform descriptive statistics and hypothesis testing on a dataset to interpret p-values and statistical significance
Manipulate vectors and matrices and perform matrix decomposition
Integrate and build upon incremental knowledge of calculus, probability, statistics, and linear algebra, and apply it to regression models including neural networks
Navigate practically through a data science career and avoid common pitfalls, assumptions, and biases while tuning your skill set to stand out in the job market
Освойте математику, необходимую для того, чтобы преуспеть в науке о данных, машинном обучении и статистике. В этой книге автор Томас Нилд познакомит вас с такими областями, как математическое исчисление, вероятность, линейная алгебра и статистика, а также с тем, как они применяются к таким методам, как линейная регрессия, логистическая регрессия и нейронные сети. Попутно вы также получите практическое представление о состоянии науки о данных и о том, как использовать эти знания для роста вашей карьеры.
Узнайте, как:
Использовать код на Python и библиотеки, такие как SymPy, NumPy и scikit-learn, изучать основные математические концепции, такие как математическое исчисление, линейная алгебра, статистика и машинное обучение
Понимать такие методы, как линейная регрессия, логистическая регрессия и нейронные сети, на простом английском языке с минимальными математическими обозначениями и жаргонизмом
Выполнять описательную статистику и проверку гипотез на наборе данных для интерпретации p-значений и статистической значимости
Манипулировать векторами и матрицами и выполнять матричную декомпозицию
Интегририровать и развививать дополнительные знания в области математического анализа, вероятности, статистики и линейной алгебры и применять их к регрессионным моделям, включая нейронные сети.
Практически ориентироваться в карьере специалиста по обработке данных и избегать распространенных ошибок, предположений и предубеждений, одновременно совершенствуя свой набор навыков, чтобы выделиться на рынке труда.
Год издания: 2022
Автор: Nield Thomas / Нильд Томас
Издательство: O’Reilly Media, Inc.
ISBN: 978-1098102937
Язык: Английский
Формат: PDF
Количество страниц: 350
Описание:
Master the math needed to excel in data science, machine learning, and statistics. In this book author Thomas Nield guides you through areas like calculus, probability, linear algebra, and statistics and how they apply to techniques like linear regression, logistic regression, and neural networks. Along the way you'll also gain practical insights into the state of data science and how to use those insights to maximize your career.
Learn how to:
Use Python code and libraries like SymPy, NumPy, and scikit-learn to explore essential mathematical concepts like calculus, linear algebra, statistics, and machine learning
Understand techniques like linear regression, logistic regression, and neural networks in plain English, with minimal mathematical notation and jargon
Perform descriptive statistics and hypothesis testing on a dataset to interpret p-values and statistical significance
Manipulate vectors and matrices and perform matrix decomposition
Integrate and build upon incremental knowledge of calculus, probability, statistics, and linear algebra, and apply it to regression models including neural networks
Navigate practically through a data science career and avoid common pitfalls, assumptions, and biases while tuning your skill set to stand out in the job market
Освойте математику, необходимую для того, чтобы преуспеть в науке о данных, машинном обучении и статистике. В этой книге автор Томас Нилд познакомит вас с такими областями, как математическое исчисление, вероятность, линейная алгебра и статистика, а также с тем, как они применяются к таким методам, как линейная регрессия, логистическая регрессия и нейронные сети. Попутно вы также получите практическое представление о состоянии науки о данных и о том, как использовать эти знания для роста вашей карьеры.
Узнайте, как:
Использовать код на Python и библиотеки, такие как SymPy, NumPy и scikit-learn, изучать основные математические концепции, такие как математическое исчисление, линейная алгебра, статистика и машинное обучение
Понимать такие методы, как линейная регрессия, логистическая регрессия и нейронные сети, на простом английском языке с минимальными математическими обозначениями и жаргонизмом
Выполнять описательную статистику и проверку гипотез на наборе данных для интерпретации p-значений и статистической значимости
Манипулировать векторами и матрицами и выполнять матричную декомпозицию
Интегририровать и развививать дополнительные знания в области математического анализа, вероятности, статистики и линейной алгебры и применять их к регрессионным моделям, включая нейронные сети.
Практически ориентироваться в карьере специалиста по обработке данных и избегать распространенных ошибок, предположений и предубеждений, одновременно совершенствуя свой набор навыков, чтобы выделиться на рынке труда.
Скрытое содержимое могут видеть только пользователи групп(ы): Premium, Местный, Свои