Освойте математику, необходимую для достижения успеха в области науки о данных, машинного обучения и статистики. В этой книге автор Томас Нилд знакомит вас с такими областями, как исчисление, вероятность, линейная алгебра и статистика, а также с тем, как они применяются к таким методам, как линейная регрессия, логистическая регрессия и нейронные сети. Попутно вы также получите практическое представление о состоянии науки о данных и о том, как использовать эти знания для повышения эффективности своей карьеры.
Научитесь:
Использовать код и библиотеки Python например SymPy, NumPy и scikit-learn, чтобы изучить основные математические концепции, такие как исчисление, линейная алгебра, статистика и машинное обучение.
Понимайте такие методы, как линейная регрессия, логистическая регрессия и нейронные сети, на простом английском языке с минимальными математические обозначения и жаргон
Выполнение описательной статистики и проверка гипотез на наборе данных для интерпретации p-значений и статистической значимости
Манипулирование векторами и матрицами и выполнение матричной декомпозиции
Интегрируйте и развивайте дополнительные знания в области исчисления, вероятности, статистики и линейной алгебры и применяйте их к моделям регрессии, включая нейронные сети.
Продвигайтесь на практике по карьере специалиста по данным и избегайте распространенных ошибок, предположений и предубеждений, пока настройте свои навыки, чтобы выделиться на рынке труда
