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 های 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.
• تکنیک هایی مانند رگرسیون خطی، رگرسیون لجستیک و شبکه های عصبی را به زبان انگلیسی ساده، با حداقل نمادهای ریاضی و اصطلاحات تخصصی درک کنید.
• 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، احتمالات، آمار و جبر خطی را ادغام کرده و بر اساس آن ایجاد کنید و آن را در مدل های رگرسیون از جمله شبکه های عصبی به کار ببرید.
• عملاً در حرفه علم داده پیمایش 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.

کتاب Essential Math for Data Science