Podstawy matematyki w data science : algebra liniowa, rachunek prawdopodobieństwa i statystyka /

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 p...

Descripción completa

Detalles Bibliográficos
Clasificación:Libro Electrónico
Autor principal: Nield, Thomas (Computer programmer) (Autor)
Otros Autores: Werner, Grzegorz (Traductor)
Formato: Electrónico eBook
Idioma:Polaco
Inglés
Publicado: Gliwice : Helion, [2023]
Edición:[First edition].
Temas:
Data mining > Mathematics.
Mathematics.
Machine learning > Mathematics.
Acceso en línea:Texto completo (Requiere registro previo con correo institucional)

MARC

LEADER 00000cam a22000007i 4500
001 OR_on1382422403
003 OCoLC
005 20231017213018.0
006 m o d
007 cr cnu|||unuuu
008 230614s2023 pl a o 000 0 pol d
040 |a ORMDA  |b eng  |e rda  |e pn  |c ORMDA  |d OCLCF 
020 |a 9788383220147  |q (electronic bk.) 
020 |a 8383220146  |q (electronic bk.) 
035 |a (OCoLC)1382422403 
037 |a 9788383220147  |b O'Reilly Media 
041 1 |a pol  |h eng 
050 4 |a QA76.9.D343 
082 0 4 |a 006.3/12  |2 23/eng/20230614 
049 |a UAMI 
100 1 |a Nield, Thomas  |c (Computer programmer),  |e author. 
240 1 0 |a Essential math for data science.  |l Polish 
245 1 0 |a Podstawy matematyki w data science :  |b algebra liniowa, rachunek prawdopodobieństwa i statystyka /  |c Thomas Nield ; przekład, Grzegorz Werner. 
250 |a [First edition]. 
264 1 |a Gliwice :  |b Helion,  |c [2023] 
300 |a 1 online resource (288 pages) :  |b illustrations 
336 |a text  |b txt  |2 rdacontent 
337 |a computer  |b c  |2 rdamedia 
338 |a online resource  |b cr  |2 rdacarrier 
520 |a 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 się̜ 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! 
590 |a O'Reilly  |b O'Reilly Online Learning: Academic/Public Library Edition 
650 0 |a Data mining  |x Mathematics. 
650 0 |a Mathematics. 
650 0 |a Machine learning  |x Mathematics. 
650 7 |a Data mining  |x Mathematics.  |2 fast  |0 (OCoLC)fst02013374 
650 7 |a Mathematics.  |2 fast  |0 (OCoLC)fst01012163 
700 1 |a Werner, Grzegorz,  |e translator. 
856 4 0 |u https://learning.oreilly.com/library/view/~/9788383220147/?ar  |z Texto completo (Requiere registro previo con correo institucional) 
994 |a 92  |b IZTAP 

Ejemplares similares