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

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.

Podtytuł Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
Tytuł oryginalny Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics
Autor Thomas Nield
Tłumaczenie Grzegorz Werner
Rok wydania 2023
Oprawa Miękka
Format 165x235
Stron 288
Wydawnictwo Helion
69.00 51.75
Do końca promocji pozostało:
Najniższa cena z 30 dni przed promocją:
48.3
szt. Do przechowalni
Wysyłka w ciągu 24 godziny
ISBN 978-83-832-2013-0
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!

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.

Nie ma jeszcze komentarzy ani ocen dla tego produktu.

Polub nas na Facebooku