Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики » MIRLIB.RU - ТВОЯ БИБЛИОТЕКА
Регистрация
Книга рисующих нейросетей Книга рисующих нейросетей Потаённые страницы истории западной философии Потаённые страницы истории западной философии Creating Images Using AI: A Step-by-Step Guide to Midjourney Creating Images Using AI: A Step-by-Step Guide to Midjourney Атлас искусственного интеллекта: руководство для будущего Атлас искусственного интеллекта: руководство для будущего Data Structure in Python: Essential Techniques Data Structure in Python: Essential Techniques Python Programming Bible 2025 [3 in 1] Python Programming Bible 2025 [3 in 1] Principles of Data Structures Using C and C++ Principles of Data Structures Using C and C++ Современный учитель изобразительного искусства. Каким ему быть? Современный учитель изобразительного искусства. Каким ему быть? Fundamentals of Software Engineering (Fourth Early Release) Fundamentals of Software Engineering (Fourth Early Release) Homomorphic Encryption for Data Science (HE4DS) Homomorphic Encryption for Data Science (HE4DS) Руководство к решению задач по теории вероятностей и математической статистике (2024) Руководство к решению задач по теории вероятностей и математической статистике (2024) Манас: Великий поход (Киргизский эпос) Манас: Великий поход (Киргизский эпос) AI Literacy Fundamentals AI Literacy Fundamentals Just Enough Data Science and Machine Learning: Essential Tools and Techniques Just Enough Data Science and Machine Learning: Essential Tools and Techniques Домашняя диетология Домашняя диетология Building a Debugger (Early Access) Building a Debugger (Early Access)
Книга рисующих нейросетей Книга рисующих нейросетей Потаённые страницы истории западной философии Потаённые страницы истории западной философии Creating Images Using AI: A Step-by-Step Guide to Midjourney Creating Images Using AI: A Step-by-Step Guide to Midjourney Атлас искусственного интеллекта: руководство для будущего Атлас искусственного интеллекта: руководство для будущего Data Structure in Python: Essential Techniques Data Structure in Python: Essential Techniques Python Programming Bible 2025 [3 in 1] Python Programming Bible 2025 [3 in 1] Principles of Data Structures Using C and C++ Principles of Data Structures Using C and C++ Современный учитель изобразительного искусства. Каким ему быть? Современный учитель изобразительного искусства. Каким ему быть? Fundamentals of Software Engineering (Fourth Early Release) Fundamentals of Software Engineering (Fourth Early Release) Homomorphic Encryption for Data Science (HE4DS) Homomorphic Encryption for Data Science (HE4DS) Руководство к решению задач по теории вероятностей и математической статистике (2024) Руководство к решению задач по теории вероятностей и математической статистике (2024) Манас: Великий поход (Киргизский эпос) Манас: Великий поход (Киргизский эпос) AI Literacy Fundamentals AI Literacy Fundamentals Just Enough Data Science and Machine Learning: Essential Tools and Techniques Just Enough Data Science and Machine Learning: Essential Tools and Techniques Домашняя диетология Домашняя диетология Building a Debugger (Early Access) Building a Debugger (Early Access)
Категория: КНИГИ » ПРОГРАММИРОВАНИЕ
Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики
Добавил: literator / 10-11-2024, 05:43 /
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


ОТСУТСТВУЕТ ССЫЛКА/ НЕ РАБОЧАЯ ССЫЛКА ЕСТЬ РЕШЕНИЕ, ПИШИМ СЮДА!





[related-news]

Похожие публикации

    {related-news}
[/related-news]
Комментарии 0
Комментариев пока нет. Стань первым!