数据科学的数学基础

图书标准信息

• 作者 (美)托马斯·尼尔德
• 出版社 东南大学出版社
• 出版时间 2014
• 版次 1
• ISBN 9787576604955
• 定价 118.00元
• 装帧 平装
• 开本 16开
• 页数 368页
• 字数 450千字

【内容简介】

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。

学习如何：

使用Python代码和SymPy、NumPy、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

【目录】

前言

第1章基本的数学和微积分回顾

数论

运算顺序

变量

函数

求和

指数

对数

欧拉数与自然对数

欧拉数

自然对数

极限

导数

偏导数

链式法则

积分

……