Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистикиКНИГИ » ПРОГРАММИНГ
Название: Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики Автор: Томас Нилд Издательство: Спринт Бук Год: 2025 Страниц: 352 Язык: русский Формат: pdf, epub Размер: 19.6 MB
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.
Растущая доступность данных привела к тому, что Data Science и машинное обучение стали востребованными профессиональными областями. Если вы стремитесь сделать карьеру в области Data Science, искуственного интеллекта или инженерии данных, вам просто необходимо разбираться в основах теории вероятностей, линейной алгебры, математической статистики и машинного обучения. Я включил в книгу ровно столько высшей математики, математического анализа и статистики, сколько нужно, чтобы лучше понимать, как работают библиотеки, с которыми вы встретитесь.
Цель этой книги — познакомить читателей с различными областями математики, статистики и машинного обучения, которые пригодятся, чтобы решать задачи из реального мира. В первых четырех главах рассматриваются фундаментальные разделы математики — математический анализ, теория вероятностей, линейная алгебра и математическая статистика. В последних трех главах мы перейдем к машинному обучению. Конечная цель знакомства с ним — собрать воедино все полученные знания и продемонстрировать, что вы умеете применять на практике библиотеки машинного обучения и статистики, проникая внутрь «черного ящика».
Чтобы запускать примеры из этой книги, вам нужен только компьютер с любой операционной системой (Windows, macOS или Linux) и любая среда разработки Python 3. Основные библиотеки Python, которые нам понадобятся, — это Numpy, Scipy, Sympy и Sklearn. Если вы не знакомы с Python, то знайте, что это дружелюбный и простой в использовании язык программирования с огромным количеством обучающих материалов.
Скачать Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
С этой публикацией часто скачивают:
Математика в машинном обучении Название: Математика в машинном обучении Автор: Марк Питер Дайзенрот, А. Альдо Фейзал, Чен Сунь Он Издательство: Питер Год: 2024 Формат: pdf Страниц:...
Руководство по подготовке к Data Science интервью Название: Руководство по подготовке к Data Science интервью Автор: Ренат Алимбеков Издательство: Интернет-издание Год: 2021 Язык: русский Формат: pdf...
Вероятностное машинное обучение Название: Вероятностное машинное обучение Автор: Мэрфи К. П. Издательство: ДMK Год: 2022 Формат: True PDF Страниц: 942 Размер: 84,3 Mb Язык: Русский ...
Математика для Data Science Название: Математика для Data Science Автор: Михаил Миронов, Екатерина Минеева Издательство: Stepik Год: 2021 Формат: PDF, jpg Страниц: Много...
Data Science. Наука о данных с нуля Название: Data Science. Наука о данных с нуля Автор: Джоэл Грас Издательство: БХВ Год: 2021 Формат: PDF Страниц: 418 Размер: 24,8 Mb Язык: Русский ...
Data Science. Наука о данных с нуля Название: Data Science. Наука о данных с нуля Автор: Грас Джоэл Издательство: СПб: БХВ-Петербург Год: 2017 Формат: pdf Страниц: 336 Размер: 20 mb...
Математика в экономике: Учебное пособие Название: Математика в экономике: Учебное пособие Автор: Юдин С.В. Издательство: М. Изд-во РГТЭУ Год: 2009 Формат: pdf Страниц: 228 Размер: 11 mb...
Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.
Навигация
Вход на сайт
Реклама
Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики 
