جلد سخت سیاه و سفید
Product details
- Publisher : O'Reilly Media; 1st edition (July 5, 2022)
- Language : English
- Paperback : 347 pages
- ISBN-10 : 1098102932
- ISBN-13 : 978-1098102937
کتاب Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics
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
منابع کتاب کتاب Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics
به ریاضیات مورد نیاز برای برتری در علم داده، یادگیری ماشین و آمار تسلط داشته باشید. در این کتاب، نویسنده توماس نیلد، شما را از طریق حوزه‌هایی مانند حساب دیفرانسیل و انتگرال، احتمال، جبر خطی، و آمار و نحوه اعمال آنها در تکنیک‌هایی مانند رگرسیون خطی، رگرسیون لجستیک و شبکه‌های عصبی راهنمایی می‌کند. در طول مسیر، همچنین بینش عملی در مورد وضعیت علم داده و نحوه استفاده از این بینش ها برای به حداکثر رساندن شغل خود به دست خواهید آورد.
یاد بگیرید چگونه:
- از کد پایتون و کتابخانه هایی مانند SymPy، NumPy و scikit-learn برای کشف مفاهیم اساسی ریاضی مانند حساب دیفرانسیل و انتگرال، جبر خطی، آمار و یادگیری ماشین استفاده کنید.
- درک تکنیک هایی مانند رگرسیون خطی، رگرسیون لجستیک و شبکه های عصبی به زبان انگلیسی ساده، با حداقل نمادهای ریاضی و اصطلاحات تخصصی
- انجام آمار توصیفی و آزمون فرضیه بر روی یک مجموعه داده برای تفسیر مقادیر p و اهمیت آماری
- بردارها و ماتریس ها را دستکاری کنید و تجزیه ماتریس را انجام دهید
- دانش فزاینده حساب دیفرانسیل و انتگرال، احتمال، آمار و جبر خطی را ادغام کرده و بر اساس آن ایجاد کنید و آن را در مدل های رگرسیونی از جمله شبکه های عصبی به کار ببرید.
- عملاً در طول حرفه علم داده حرکت کنید و از دام‌ها، فرضیات و سوگیری‌های رایج اجتناب کنید و در عین حال مجموعه مهارت‌های خود را برای برجسته شدن در بازار کار تنظیم کنید.
ارسال نظر درباره کتاب Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics