数据科学的数学基础

要想在数据科学领域取得成功，你需要精通数学。但不仅仅是数学。这本指南提供了一个清晰的、简单的答案，你需要了解，包括概率、统计、假设测试、线性代数、机器学习和微积分的知识。
使用Python代码的实际示例将帮助您了解数学如何应用于您将要做的工作，在将概念连接到机器学习等应用程序时，提供了对概念在底层如何工作的清晰理解。你会得到一个坚实的基础，但更重要的是，你将能够使用它。
书中内容包括：
认识到概率数学的细微差别和缺陷；掌握统计和假设测试(并避免常见的陷阱)；探索概率、统计、微积分和机器学习的实际应用；直观地理解线性代数是空间的转换，而不仅仅是数字相乘和相加的网格；完全从零开始在Python中执行微积分、导数和积分；将你所学的知识应用到机器学习中，包括线性回归、逻辑回归和神经网络。

要想在数据科学领域取得成功，你需要精通数学。但不仅仅是数学。这本指南提供了一个清晰的、简单的答案，你需要了解，包括概率、统计、假设测试、线性代数、机器学习和微积分的知识。
使用Python代码的实际示例将帮助您了解数学如何应用于您将要做的工作，在将概念连接到机器学习等应用程序时，提供了对概念在底层如何工作的清晰理解。你会得到一个坚实的基础，但更重要的是，你将能够使用它。
书中内容包括：
认识到概率数学的细微差别和缺陷；掌握统计和假设测试(并避免常见的陷阱)；探索概率、统计、微积分和机器学习的实际应用；直观地理解线性代数是空间的转换，而不仅仅是数字相乘和相加的网格；完全从零开始在Python中执行微积分、导数和积分；将你所学的知识应用到机器学习中，包括线性回归、逻辑回归和神经网络。