使用基本的線性代數、機率和統計來掌控您的資料
「在當前資料科學教育環境的嘈雜聲中，這本書脫穎而齣，包含許多清晰、實用的範例，說明理解和建構資料所需的基礎知識。」
—Vicki Boykis
Tumblr高級機器學習工程師
讓您掌握在資料科學、機器學習和統計學等方麵所需具備的數學知識。作者Thomas Nield將引導您瞭解微積分、機率、線性代數和統計等領域，以及它們是如何應用在線性迴歸、邏輯迴歸和神經網路等技術。
在此過程中，您還將獲得對資料科學的實用見解，以及如何利用這些見解幫助提升您的職業生涯。
您將瞭解如何：
‧使用Python程式碼和SymPy、NumPy和scikit-learn等程式庫來探索基本的數學概念，例如微積分、線性代數、統計和機器學習
‧用簡單的語言並使用最少的數學符號和行話來理解線性迴歸、邏輯迴歸和神經網路等技術
‧對資料集執行描述性統計和假說檢定，以解釋p值和統計顯著性
‧操作嚮量和矩陣並執行矩陣分解
‧對微積分、機率、統計和線性代數的知識進行整閤和建構，並應用於包括神經網路在內的迴歸模型
‧在資料科學職業生涯中進行實際導航，避免常見的陷阱、假設和偏見，同時調整您的技能以在就業市場中脫穎而齣
具體描述
著者信息
圖書目錄
第1章 基本數學和微積分複習
第2章 機率
第3章 描述性和推論性統計
第4章 線性代數
第5章 線性迴歸
第6章 邏輯迴歸和分類
第7章 神經網路
第8章 職涯建議和前進的道路
附錄A 補充主題
附錄B 習題解答
第2章 機率
第3章 描述性和推論性統計
第4章 線性代數
第5章 線性迴歸
第6章 邏輯迴歸和分類
第7章 神經網路
第8章 職涯建議和前進的道路
附錄A 補充主題
附錄B 習題解答
圖書序言
圖書試讀
用戶評價
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版權所有