數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ)

　　要想在數(shù)據(jù)科學(xué)領(lǐng)域取得成功，你需要精通數(shù)學(xué)。但不僅僅是數(shù)學(xué)。這本指南提供了一個(gè)清晰的、簡單的答案，你需要了解，包括概率、統(tǒng)計(jì)、假設(shè)測試、線性代數(shù)、機(jī)器學(xué)習(xí)和微積分的知識。使用Python代碼的實(shí)際示例將幫助您了解數(shù)學(xué)如何應(yīng)用于您將要做的工作，在將概念連接到機(jī)器學(xué)習(xí)等應(yīng)用程序時(shí)，提供了對概念在底層如何工作的清晰理解。你會得到一個(gè)堅(jiān)實(shí)的基礎(chǔ)，但更重要的是，你將能夠使用它。書中內(nèi)容包括：認(rèn)識到概率數(shù)學(xué)的細(xì)微差別和缺陷；掌握統(tǒng)計(jì)和假設(shè)測試（并避免常見的陷阱）；探索概率、統(tǒng)計(jì)、微積分和機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用；直觀地理解線性代數(shù)是空間的轉(zhuǎn)換，而不僅僅是數(shù)字相乘和相加的網(wǎng)格；完全從零開始在Python中執(zhí)行微積分、導(dǎo)數(shù)和積分；將你所學(xué)的知識應(yīng)用到機(jī)器學(xué)習(xí)中，包括線性回歸、邏輯回歸和神經(jīng)網(wǎng)絡(luò)。

暫缺《數(shù)據(jù)科學(xué)的數(shù)學(xué)基礎(chǔ)》作者簡介