Wczytuję dane...

Podstawy matematyki w data science.

Zasoby dotyczące bezpieczeństwa i produktów

Załączniki bezpieczeństwa

Załczniki do produktu

Załączniki dotyczące bezpieczeństwa produktu zawierają informacje o opakowaniu produktu i mogą dostarczać kluczowych informacji dotyczących bezpieczeństwa konkretnego produktu
Informacje o producencie

Informacje o producencie

Informacje dotyczące produktu obejmują adres i powiązane dane producenta produktu.

Helion
Osoba odpowiedzialna w UE

Osoba odpowiedzialna w UE

Podmiot gospodarczy z siedzibą w UE zapewniający zgodność produktu z wymaganymi przepisami.

Produkt dostępny!

46,43 PLN

Cena rynkowa: 69.00 PLN

KUP TERAZ!

Opis produktu
Dane techniczne

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!