数据科学的数学基础 pdf下载

要在数据科学、机器学习和统计学方面表现优异，就需要掌握相关的数学知识。本书中，作者Thomas Nield将指导你涉足微积分、概率论、线性代数和统计学等领域，以及如何将它们应用于线性回归、逻辑斯蒂回归和神经网络等技术。在此过程中，你还将获得对数据科学现状的实际见解，并学习如何充分利用这些见解来规划你的职业生涯。

本书内容包括：

•使用Python代码和SymPy、NumPy和scikit-learn等库，探索微积分、线性代数、统计学和机器学习等基本数学概念

•用朴素的语言和最少的数学符号及术语去理解线性回归、逻辑斯蒂回归和神经网络等技术

•对数据集进行描述性统计和假设检验，以解释p值和统计显著性

•操作向量和矩阵并对矩阵进行分解

•整合并构建微积分、概率论、统计学和线性代数的增量知识，并将其应用于包括神经网络在内的回归模型

•通过数据科学职业生涯中的实际经历，让你避免常见的陷阱、假设和偏见，同时调整技能组合，以便你能在就业市场中脱颖而出

Thomas Nield是Nield咨询集团的创始人，也是O 'Reilly Media和南加利福尼亚大学的讲师。他喜欢把技术内容与那些不熟悉它们或被它们吓倒的人关联起来。Thomas定期教授数据分析、机器学习、数学优化和实用人工智能课程。他是Getting Started with SQL（O’Reilly）和Learning RxJava（Packt）的作者。