×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka

(ebook) (audiobook) (audiobook)
Autor:
Thomas Nield
Serie wydawnicze:
O'Reilly
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
4.7/6  Opinie: 6
Stron:
288
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment

Książka (41,40 zł najniższa cena z 30 dni)

69,00 zł (-40%)
41,40 zł

Dodaj do koszyka Wysyłamy w 24h

(41,40 zł najniższa cena z 30 dni)

Ebook (34,50 zł najniższa cena z 30 dni)

69,00 zł (-52%)
32,90 zł

Dodaj do koszyka lub Kup na prezent Kup 1-kliknięciem

(34,50 zł najniższa cena z 30 dni)

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

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!

Wybrane bestsellery

O autorze książki

Thomas Nield - programista i analityk o wieloletnim doświadczeniu. Obecnie zajmuje się rozwijaniem oprogramowania dla biznesu w firmie Southwest Airlines. Specjalista w zakresie programowania reaktywnego, programowania w językach Java i Kotlin, a także oprogramowania dla biznesu do realizacji zadań strategicznych. Autor wielu popularnych artykułów i uczestnik licznych projektów programistycznych.

Thomas Nield - pozostałe książki

Zobacz pozostałe książki z serii O'Reilly

Helion - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności