خرید و دانلود نسخه کامل کتاب Essential Math for Data Science 1st Edition by Thomas Nield PDF

آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.

نویسنده: Thomas Nield

Learn how to:

Use Python code and libraries like SymPy, NumPy, and scikit-learn to explore essential mathematical concepts like calculus, linear algebra, statistics, and machine learning
Understand techniques like linear regression, logistic regression, and neural networks in plain English, with minimal mathematical notation and jargon
Perform descriptive statistics and hypothesis testing on a dataset to interpret p-values and statistical significance
Manipulate vectors and matrices and perform matrix decomposition
Integrate and build upon incremental knowledge of calculus, probability, statistics, and linear algebra, and apply it to regression models including neural networks
Navigate practically through a data science career and avoid common pitfalls, assumptions, and biases while tuning your skill set to stand out in the job market

توضیحات فارسی در مورد کتاب (ترجمه ماشینی)

یاد بگیرید چگونه:

از کد پایتون و کتابخانه‌هایی مانند SymPy، NumPy و scikit-learn برای کاوش مفاهیم ریاضی اساسی مانند حساب دیفرانسیل و انتگرال، جبر خطی، آمار و یادگیری ماشین استفاده کنید.

روش‌هایی مانند رگرسیون خطی، رگرسیون لجستیک و شبکه‌های عصبی را به زبان ساده انگلیسی و با حداقل نماد ریاضی و اصطلاحات تخصصی درک کنید.

بر روی یک مجموعه داده آمار توصیفی و آزمون فرضیه انجام دهید تا مقادیر p و اهمیت آماری را تفسیر کنید.

وکتورها و ماتریس‌ها را دستکاری کنید و تجزیه ماتریس را انجام دهید.

دانش خود را در حساب دیفرانسیل و انتگرال، احتمال، آمار و جبر خطی به صورت مرحله‌ای افزایش دهید و آن را به مدل‌های رگرسیون از جمله شبکه‌های عصبی اعمال کنید.

در مسیر حرفه‌ای علم داده ناوبری کنید و چاله‌ها، فرضیات و تعصب‌های رایج را دور بزنید و مهارت‌های خود را به گونه‌ای توسعه دهید که در بازار کار برجسته شوید.