![Dzieje gospodarcze Polski [Morawski Wojciech]](hpeciai/0f8ace88ee8b0daddffb97cca6210dfc/pol_is_Dzieje-gospodarcze-Polski-Morawski-Wojciech-10010956.jpg)
Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka
- Rok wydania: 2023 Oprawa: miękka Ilość stron: 288 Format: 16,5 x 23,5 cm
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!