Освойте математический аппарат, который необходим, чтобы преуспеть в сфере data science, машинного обучения и статистики. Автор книги Томас Нилд поможет вам разобраться в таких дисциплинах, как математический анализ, теория вероятностей, линейная алгебра и статистика, и научиться применять их в контексте таких методов, как линейная регрессия, логистическая регрессия и нейронные сети. Попутно вы узнаете, что представляет собой современная область data science и как использовать полученные знания, чтобы достичь максимального успеха в карьере.
- -15%
Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики
Купили 59 человек
Описание и характеристики
5 причин купить эту книгу:
- 1. С помощью кода на Python и таких библиотек, как SymPy, NumPy и scikit-learn, станете ориентироваться в ключевых областях математики: математическом анализе, линейной алгебре, математической статистике и машинном обучении.
- 2. Разберетесь в таких методах, как линейная регрессия, логистическая регрессия и нейронные сети.
- 3. Научитесь вычислять показатели описательной статистики и проверять гипотезы на наборе данных, чтобы интерпретировать p-значения и статистическую значимость.
- 4. Будете использовать знания в области математического анализа, теории вероятностей, статистики и линейной алгебры, а также применять их к регрессионным моделям, включая нейронные сети.
- 5. Материал изложен на человеческом языке, а математические обозначения и специальные термины сведены к минимуму.
- Тип обложки Мягкий переплёт
- Количество страниц 352
- Вес, г 549
- Размер 1.8x16.5x23.3
- Издательство Питер
- Серия Бестселлеры O`Reilly
- Возрастные ограничения 16+
- Год издания 2026
- ISBN 978-601-08-4357-8
- Тираж 300
- ID товара 3072826
Отзывы
Эта книга мне очень, очень понравилась. Написана простым и понятным языком. Идеально подойдёт тем, кто забыл математику, теорию вероятностей и математическую статистику и хочет освежить знания. Также простым языком, правдо очень кратко, рассказано про основные алгоритмы машинного обучения. Книга также подойдёт абсолютным новичкам. Я думаю, что именно с этой книги нужно начинать изучать машинное обучение. Берите, не пожалеете.
Плюсы
Написана простым языком. Разберётся даже абсолютный новичок.