Mathe-Basics für Data Scientists

Lineare Algebra, Statistik und Wahrscheinlichkeitsrechnung

Mit Übungen und Lösungen, um das Gelernte zu vertiefen

	OReilly (dpunkt)
Autor:in	Thomas Nield
	334 Seiten, Softcover
Erschienen	11/2023
	978-3-96009-215-5 9783960092155

€

Best.-Nr.:

Inhaltsverzeichnis

Vorwort

Autor:in

Mathematische Grundlagen leicht verständlich und praxisnah

Dieses Buch vermittelt angehenden und fortgeschrittenen Data Scientists sowie Programmierern die mathematischen Grundlagen der Data Science. Die verständlichen Erklärungen kommen mit einer minimalen mathematischen Fachterminologie aus und nutzen praxisnahe Beispiele und zahlreiche Abbildungen, um die Konzepte leicht nachvollziehbar zu machen. Übungen und Lösungen helfen Ihnen, das Gelernte zu vertiefen.

Blick ins Buch: Mathe-Basics für Data Scientists

Ein solides mathematisches Grundverständnis ist die Voraussetzung, um als Data Scientists erfolgreich zu sein. Dieses Buch bietet eine leicht verständliche Einführung in die für Data Science nötigen mathematischen Konzepte. Thomas Nield, führt Sie Schritt für Schritt durch Themen wie Infinitesimalrechnung, Wahrscheinlichkeit, lineare Algebra, Statistik und Hypothesentests und zeigt mit Praxisbeispielen, wie Sie diese Grundlagen in der linearen und logistischen Regression sowie in neuronalen Netzen anwenden. Darüber hinaus erhalten Sie Einblicke in die aktuelle Entwicklung der Data Science und wie Sie dieses Wissen für Ihre berufliche Laufbahn als Data Scientist nutzen können.

Aus dem Inhalt

Verwenden Sie Python-Code und Bibliotheken wie SymPy, NumPy und scikit-learn, um grundlegende mathematische Konzepte wie Infinitesimalrechnung, lineare Algebra, Statistik und maschinelles Lernen zu erkunden
Verstehen Sie Techniken wie lineare und logistische Regression und neuronale Netze durch gut nachvollziehbare Erklärungen und ein Minimum an mathematischer Terminologie
Wenden Sie deskriptive Statistik und Hypothesentests auf einen Datensatz an, um p-Werte und statistische Signifikanz zu interpretieren
Manipulieren Sie Vektoren und Matrizen und führen Sie Matrixzerlegung durch
Vertiefen Sie Ihre Kenntnisse in Infinitesimal- und Wahrscheinlichkeitsrechnung, Statistik und linearer Algebra und wenden Sie sie auf Regressionsmodelle einschließlich neuronaler Netze an
Erfahren Sie, wie Sie Ihre Kenntnisse und Fähigkeiten in der Datenanalyse optimieren und gängige Fehler vermeiden, um auf dem Data-Science-Arbeitsmarkt zu überzeugen

Hier das ganze Inhaltsverzeichnis lesen.

"Eine Ressource mit vielen klaren, praktischen Beispielen für die Grundlagen, die man benötigt, um Daten zu verstehen und mit ihnen zu arbeiten."

— Vicki Boykis, Senior Machine Learning Engineer bei Tumblr

"Eine solide Basis für das Verständnis der mathematischen Instrumente der Data Science."

— Mike X Cohen, sincXpress

Wer hat's geschrieben?

Thomas Nield ist der Gründer der Nield Consulting Group sowie Dozent bei O’Reilly Media und an der University of Southern California. Er hat Freude daran, technische Inhalte für diejenigen verständlich und gut nutzbar zu machen, die mit ihnen nicht vertraut sind oder sich von ihnen abgeschreckt fühlen. Thomas Nield unterrichtet regelmäßig Kurse zu Datenanalyse, Machine Learning, mathematischer Optimierung, KI-Systemsicherheit und praktischer künstlicher Intelligenz.
Er ist Autor von zwei Büchern, Getting Started with SQL (O’Reilly) und Learning RxJava (Packt). Außerdem ist er der Gründer und Erfinder von Yawman Flight, einem Unternehmen, das Handsteuerungen für Flugsimulatoren und unbemannte Luftfahrzeuge entwickelt.