ODBIERZ TWÓJ BONUS :: »

Praktyczna algebra liniowa dla analityków danych. Od podstawowych koncepcji do użytecznych aplikacji w Pythonie Mike Cohen

(ebook) (audiobook) (audiobook)
Autor:
Mike Cohen
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
288
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
46,20 zł 77,00 zł (-40%)
46,20 zł najniższa cena z 30 dni
(2za1 » dobierz książkę GRATIS)

Dodaj do koszyka Darmowa dostawa od 60,00 zł Do darmowej dostawy brakuje Ci 0,00 zł Najtańsza dostawa od 9,90 zł Gratulujemy! Twoje zamówienie kwalifikuje się do darmowej wysyłki Wysyłamy w 24h

Ebook
38,50 zł 77,00 zł (-50%)
38,50 zł najniższa cena z 30 dni
(2za1 » dobierz ebook GRATIS)

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Tworzenia i wizualizacji wektorów oraz macierzy w Pythonie z użyciem NumPy
  • Wykonywania operacji arytmetycznych na wektorach i macierzach, w tym dodawania, mnożenia i transpozycji
  • Stosowania iloczynów: skalarnego, Hadamarda, zewnętrznego i wektorowego
  • Analizowania niezależności liniowej, baz i podprzestrzeni wektorowych
  • Obliczania norm, śladów i wyznaczników macierzy oraz interpretowania ich znaczenia
  • Rozwiązywania układów równań liniowych metodami eliminacji Gaussa i Gaussa-Jordana
  • Stosowania rozkładów macierzy: LU, QR oraz według wartości własnych i osobliwych
  • Obliczania odwrotności i pseudoodwrotności macierzy oraz oceny warunkowania
  • Wykorzystywania macierzy ortogonalnych i ortogonalizacji Grama-Schmidta
  • Budowania i dopasowywania ogólnych modeli liniowych oraz stosowania metody najmniejszych kwadratów
  • Przeprowadzania regresji liniowej, wielomianowej oraz stosowania regularyzacji i przeszukiwania siatki
  • Analizowania wartości i wektorów własnych oraz ich zastosowań w redukcji wymiarowości i kompresji danych
  • Wykorzystywania rozkładu według wartości osobliwych do analizy danych, aproksymacji i usuwania szumów
  • Przeprowadzania analizy głównych składowych (PCA) i liniowej analizy dyskryminacyjnej
  • Wykorzystywania algebry liniowej w klasteryzacji, filtrowaniu szeregów czasowych i wykrywaniu cech
  • Programowania w Pythonie z użyciem bibliotek NumPy i narzędzi do wizualizacji oraz pracy z danymi

Pozornie nie dzieje się nic złego, jeśli inżynier lub analityk danych nie rozumie algebry liniowej. Może korzystać z już istniejących narzędzi i nie przejmować się szczegółami ich implementacji. Warto jednak dokładnie poznać algorytmy używane w nauce o danych i dostosować do swoich potrzeb istniejące metody obliczeniowe, tutaj więc nowoczesna algebra liniowa okazuje się nieodzowna. Jeśli chcesz ją poznać w nowoczesnej, praktycznej formie, najlepiej posłużyć się kodem i zastosowaniem algebry liniowej w analizie danych czy symulacjach numerycznych.

To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykładami ich wykorzystania w nauce o danych, uczeniu maszynowym, uczeniu głębokim, symulacjach i przetwarzaniu danych biomedycznych. Dzięki podręcznikowi nauczysz się arytmetyki macierzowej, poznasz istotne rozkłady macierzy, w tym LU i QR, a także rozkład według wartości osobliwych, zapoznasz się też z takimi zagadnieniami jak model najmniejszych kwadratów i analiza głównych składowych.

Wybrane bestsellery

O autorze książki

Mike X. Cohen jest profesorem nadzwyczajnym neuronauki w Instytucie Donders Centrum Medycznego Uniwersytetu im. Radbouda w Nijmegen w Holandii. Od ponad dwudziestu lat uczy programowania, analizy danych, statystyki i powiązanych z nimi zagadnień, jest też autorem wielu podręczników.

Zobacz pozostałe książki z serii

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czy muszę znać zaawansowaną matematykę lub programowanie, aby korzystać z tej książki?
Nie, książka została napisana z myślą o osobach posiadających podstawową wiedzę z matematyki i programowania. Autor wyjaśnia wszystkie niezbędne zagadnienia krok po kroku, a przykłady kodu w Pythonie są szczegółowo omówione.
2. Czy książka zawiera praktyczne przykłady i ćwiczenia z kodem w Pythonie?
Tak, każdy rozdział zawiera liczne przykłady kodu w Pythonie oraz praktyczne ćwiczenia, które pomagają utrwalić omawiane koncepcje i nauczyć się ich zastosowania w analizie danych.
3. Jakie konkretne zagadnienia z algebry liniowej są omawiane w książce?
Książka obejmuje m.in. operacje na wektorach i macierzach, rozkłady macierzy (LU, QR, według wartości własnych i osobliwych), wyznacznik, rząd, odwrotność macierzy, analizę głównych składowych (PCA), metodę najmniejszych kwadratów oraz praktyczne zastosowania w uczeniu maszynowym i przetwarzaniu danych.
4. Czy materiały dodatkowe, takie jak kod źródłowy, są dostępne online?
Tak, kod źródłowy prezentowany w książce można pobrać z internetu, co ułatwia samodzielne eksperymentowanie i naukę.
5. Czy książka nadaje się do samodzielnej nauki oraz jako pomoc dydaktyczna dla nauczycieli?
Tak, książka została zaprojektowana zarówno dla osób uczących się samodzielnie, jak i nauczycieli, oferując jasne wyjaśnienia, ćwiczenia oraz wskazówki dotyczące pracy z materiałem.
6. W jaki sposób znajomość algebry liniowej pomaga w pracy analityka danych lub programisty?
Zrozumienie algebry liniowej pozwala lepiej rozumieć działanie narzędzi analitycznych, optymalizować algorytmy i dostosowywać metody obliczeniowe do własnych potrzeb, co przekłada się na bardziej efektywną analizę danych i rozwiązywanie złożonych problemów.
7. Czy książka wyjaśnia, jak zastosować poznane koncepcje w realnych projektach data science?
Tak, autor prezentuje liczne przykłady praktycznych zastosowań, takich jak analiza szeregów czasowych, klasteryzacja, regresja, PCA, przetwarzanie obrazów czy analiza danych biomedycznych.
8. Czy do korzystania z książki potrzebuję specjalnego oprogramowania?
Wystarczy podstawowa instalacja Pythona oraz popularnych bibliotek takich jak NumPy. Autor wyjaśnia również, jak korzystać z narzędzi dostępnych online, np. Google Colab.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
46,20 zł
Dodaj do koszyka
Ebook
38,50 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint