Математика для Data Science, Нилд Т., 2025

Математика для Data Science, Нилд Т., 2025.
     
   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.




Теория чисел.
Что такое числа? Я обещаю не слишком философствовать в этой книге, но не являются ли числа искусственной конструкцией, которую мы сами же и придумали? Почему мы пользуемся цифрами от 0 до 9, а не больше? Почему у нас есть обыкновенные и десятичные дроби, а не только целые числа? Область математики, которая занимается числами и отвечает на вопрос, почему мы определили их так, а не иначе, известна как теория чисел, или высшая арифметика.

Теория чисел уходит корнями в глубокую древность, когда математики открывали различные числовые системы, и объясняет, почему сейчас мы используем числа именно в таком виде. Ниже представлены несколько числовых систем, которые наверняка вам знакомы.

ОГЛАВЛЕНИЕ.
Предисловие.
Условные обозначения.
Использование исходного кода примеров.
Благодарности.
О редакторах русского издания.
От издательства.
Глава 1. Обзор начальной математики и математического анализа.
Теория чисел.
Порядок выполнения арифметических операций.
Переменные.
Функции.
Суммы.
Возведение в степень.
Логарифмы.
Число e и натуральные логарифмы.
Число e.
Натуральные логарифмы.
Пределы.
Производные.
Частные производные.
Цепное правило.
Интегралы.
Заключение.
Упражнения для самопроверки.
Глава 2. Теория вероятностей.
Что такое вероятность.
Теория вероятностей и статистика.
Математика вероятностей.
Вероятность пересечения событий.
Вероятность объединения событий.
Условная вероятность и формула Байеса.
Условная вероятность пересечения и объединения событий.
Биномиальное распределение.
Бета-распределение.
Заключение.
Упражнения для самопроверки.
Глава 3. Описательная статистика и статистический вывод.
Что такое данные?.
Описательная статистика и статистический вывод.
Совокупности, выборки и смещение.
Описательная статистика.
Среднее арифметическое и среднее взвешенное.
Медиана.
Мода.
Дисперсия и стандартное отклонение.
Нормальное распределение.
PPF — функция, обратная к функции распределения.
Статистический вывод.
Центральная предельная теорема.
Доверительные интервалы.
p-значения.
Проверка гипотез.
Распределение Стьюдента: работа с малыми выборками.
Кое-что о больших данных и ошибке меткого стрелка.
Заключение.
Упражнения для самопроверки.
Глава 4. Линейная алгебра.
Что такое вектор?.
Сложение векторов.
Умножение вектора на число.
Линейная оболочка и линейная зависимость.
Линейные преобразования.
Базисные векторы.
Умножение матрицы на вектор.
Умножение матриц.
Определители.
Особые виды матриц.
Квадратная матрица.
Единичная матрица.
Обратная матрица.
Диагональная матрица.
Треугольная матрица.
Разреженная матрица.
Системы уравнений и обратные матрицы.
Собственные векторы и собственные значения.
Заключение.
Упражнения для самопроверки.
Глава 5. Линейная регрессия.
Простая линейная регрессия.
Простая линейная регрессия с помощью scikit-learn.
Остатки и квадратичные отклонения.
Поиск оптимальной прямой.
Аналитическое решение.
Метод обратных матриц.
Разложение матриц.
Градиентный спуск.
Переобучение и дисперсия.
Стохастический градиентный спуск.
Коэффициент корреляции.
Статистическая значимость.
Коэффициент детерминации.
Стандартная ошибка оценки.
Интервалы прогнозирования.
Обучающая и тестовая выборки.
Многомерная линейная регрессия.
Заключение.
Упражнения для самопроверки.
Глава 6. Логистическая регрессия и классификация.
Что такое логистическая регрессия.
Как выполнять логистическую регрессию.
Логистическая функция.
Подгонка логистической кривой.
Многомерная логистическая регрессия.
Логит-функция.
R².
p-значения.
Обучающая и тестовая выборки.
Матрица ошибок.
Формула Байеса и классификация.
ROC-кривая и показатель AUC.
Дисбаланс классов.
Заключение.
Упражнения для самопроверки.
Глава 7. Нейронные сети.
Когда использовать нейронные сети и глубокое обучение.
Простая нейронная сеть.
Функции активации.
Прямое распространение.
Обратное распространение.
Как вычислять производные по весовым коэффициентам и смещениям.
Стохастический градиентный спуск.
Scikit-learn для нейронных сетей.
Ограничения нейронных сетей и глубокого обучения.
Заключение.
Упражнения для самопроверки.
Глава 8. Советы по дальнейшей карьере.
Так что же такое data science?.
Краткая история data science.
Как найти работу своей мечты.
Язык SQL.
Программирование.
Визуализация данных.
Предметная область.
Эффективное обучение.
Практик или консультант.
На что стоит обратить внимание, устраиваясь на работу в области data science.
Должностные обязанности.
Организационная направленность и заинтересованность.
Необходимые ресурсы.
Разумные цели.
Конкуренция с существующими системами.
Должность не соответствует вашим ожиданиям.
А существует ли работа вашей мечты?.
Куда же податься?.
Заключение.
Приложение A. Дополнительные материалы.
Как использовать верстку LaTeX для выражений SymPy.
Биномиальное распределение с нуля.
Бета-распределение с нуля.
Вывод формулы Байеса.
Как построить функцию распределения (CDF) и обратную к ней функцию с нуля.
Как применять число e, чтобы прогнозировать вероятность события во времени.
Поиск восхождением к вершине и линейная регрессия.
Поиск восхождением к вершине и логистическая регрессия.
Краткое введение в линейное программирование.
Классификатор MNIST на основе scikit-learn.
Приложение Б. Ответы на упражнения для самопроверки.
Глава 1.
Глава 2.
Глава 3.
Глава 4.
Глава 5.
Глава 6.
Глава 7.
Об авторе.
Иллюстрация на обложке.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Математика для Data Science, Нилд Т., 2025 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать файл № 1 - pdf
Скачать файл № 2 - epub
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Скачать - epub - Яндекс.Диск.

Скачать - pdf - Яндекс.Диск.




Теги: учебник по программированию :: программирование :: Нилд