کتاب Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics, First Edition

درباره کتاب Essential Math for Data Science ریاضیات ضروری برای علم داده: کنترل داده های خود را با جبر خطی اساسی، احتمالات و آمار در دست بگیرید اثر  Thomas Nield از انتشارت O’Reilly Media

خرید کتاب Essential Math for Data Science از فروشگاه کتاب زبان ملت

به ریاضیات مورد نیاز برای برتری در علم داده، یادگیری ماشین و آمار تسلط داشته باشید. در کتاب Essential Math for Data Science ، نویسنده توماس نیلد، شما را از طریق حوزه‌هایی مانند حساب دیفرانسیل و انتگرال، احتمال، جبر خطی، و آمار و نحوه اعمال آنها در تکنیک‌هایی مانند رگرسیون خطی، رگرسیون لجستیک و شبکه‌های عصبی راهنمایی می‌کند. در طول مسیر، همچنین بینش های عملی در مورد وضعیت علم داده و نحوه استفاده از این بینش ها برای به حداکثر رساندن شغل خود به دست خواهید آورد.

یاد بگیرید چگونه با استفاده از کتاب ریاضی ضروری برای علوم داده :

از کد پایتون و کتابخانه هایی مانند SymPy، NumPy و scikit-learn برای کشف مفاهیم اساسی ریاضی مانند حساب دیفرانسیل و انتگرال، جبر خطی، آمار و یادگیری ماشین استفاده کنید.
تکنیک هایی مانند رگرسیون خطی، رگرسیون لجستیک و شبکه های عصبی را به زبان انگلیسی ساده، با حداقل نمادهای ریاضی و اصطلاحات تخصصی درک کنید.
انجام آمار توصیفی و آزمون فرضیه بر روی یک مجموعه داده برای تفسیر مقادیر p و اهمیت آماری
بردارها و ماتریس ها را دستکاری کنید و تجزیه ماتریس را انجام دهید
دانش فزاینده حساب دیفرانسیل و انتگرال، احتمالات، آمار و جبر خطی را ادغام کرده و بر اساس آن ایجاد کنید و آن را در مدل های رگرسیون از جمله شبکه های عصبی به کار ببرید.
عملاً در حرفه علم داده پیمایش کنید و از دام‌ها، فرضیات و سوگیری‌های رایج اجتناب کنید و در عین حال مجموعه مهارت‌های خود را برای برجسته شدن در بازار کار تنظیم کنید.

خرید کتاب Essential Math for Data Science از Python فروشگاه کتاب زبان ملت

از پیشگفتار کتاب Essential Math for Data Science
در حدود 10 سال گذشته، علاقه فزاینده ای به استفاده از ریاضی و آمار در کار و زندگی روزمره ما وجود داشته است. چرا اینطور است؟ آیا این به علاقه شتابان به «علم داده»، که مجله هاروارد بیزینس ریویو آن را «جذاب‌ترین شغل قرن بیست و یکم» نامید، ربطی دارد؟ یا اینکه نوید یادگیری ماشین و “هوش مصنوعی” زندگی ما را تغییر می دهد؟ آیا به این دلیل است که سرفصل‌های اخبار مملو از مطالعات، نظرسنجی‌ها و یافته‌های پژوهشی است اما مطمئن نیستیم که چگونه چنین ادعاهایی را بررسی کنیم؟ یا اینکه وعده ماشین‌ها و روبات‌های «خودران» است که مشاغل را در آینده نزدیک خودکار می‌کنند؟

کتاب ریاضی ضروری برای علوم داده از انتشارات پایتون

من این بحث را مطرح می کنم که رشته های ریاضی و آمار به دلیل در دسترس بودن رو به رشد داده ها مورد توجه جریان اصلی قرار گرفته اند و برای درک آن به ریاضیات، آمار و یادگیری ماشین نیاز داریم. بله، ما ابزارهای علمی، یادگیری ماشینی و سایر اتوماسیون‌هایی داریم که مانند آژیر به ما زنگ می‌زنند. ما کورکورانه به این «جعبه‌های سیاه»، دستگاه‌ها و نرم‌افزارها اعتماد داریم. ما آنها را درک نمی کنیم اما به هر حال از آنها استفاده می کنیم.

خرید کتاب Essential Math for Data Science از Python فروشگاه کتاب زبان ملت

در حالی که به راحتی می توان باور کرد که رایانه ها از ما باهوش تر هستند (و این ایده اغلب به بازار عرضه می شود)، واقعیت نمی تواند بیشتر برعکس باشد. این قطع ارتباط در سطوح مختلف می تواند مخاطره آمیز باشد. آیا واقعاً یک الگوریتم یا هوش مصنوعی برای اجرای احکام کیفری یا رانندگی یک وسیله نقلیه می خواهید، اما هیچ کس از جمله توسعه دهنده نمی تواند توضیح دهد که چرا تصمیم خاصی گرفته است؟ توضیح پذیری مرز بعدی محاسبات آماری و هوش مصنوعی است. این تنها زمانی می تواند شروع شود که جعبه سیاه را باز کنیم و ریاضیات را کشف کنیم.

همچنین ممکن است بپرسید چگونه یک توسعه دهنده نمی داند الگوریتم خودش چگونه کار می کند؟ در نیمه دوم کتاب Essential Math for Data Science، زمانی که درباره تکنیک‌های یادگیری ماشین بحث می‌کنیم و تاکید می‌کنیم که چرا باید ریاضیات پشت جعبه‌های سیاهی که می‌سازیم را درک کنیم، در مورد آن صحبت خواهیم کرد.

کتاب ریاضی ضروری برای علوم داده از انتشارات پایتون -Python

از نقطه‌ای دیگر، دلیل جمع‌آوری داده‌ها در مقیاس گسترده عمدتاً به دلیل دستگاه‌های متصل و حضور آنها در زندگی روزمره ما است. ما دیگر فقط از اینترنت روی رایانه رومیزی یا لپ تاپ استفاده نمی کنیم. ما اکنون آن را در گوشی‌های هوشمند، خودروها و دستگاه‌های خانگی خود با خود می‌بریم. این امر به طرز ماهرانه ای یک انتقال را در دو دهه گذشته امکان پذیر کرده است. اکنون داده ها از یک ابزار عملیاتی به چیزی تبدیل شده است که برای اهداف کمتر تعریف شده جمع آوری و تجزیه و تحلیل می شود. یک ساعت هوشمند دائماً در حال جمع‌آوری داده‌هایی درباره ضربان قلب، تنفس، مسافت پیاده‌روی و سایر نشانگرها است. سپس آن داده ها را در یک ابر آپلود می کند تا در کنار سایر کاربران تجزیه و تحلیل شود. عادات رانندگی ما توسط ماشین های کامپیوتری جمع آوری می شود و توسط سازندگان برای جمع آوری داده ها و فعال کردن وسایل نقلیه خودران استفاده می شود. حتی «مسواک‌های هوشمند» هم به داروخانه‌ها راه پیدا می‌کنند که عادت‌های مسواک زدن را دنبال می‌کنند و این داده‌ها را در یک ابر ذخیره می‌کنند. اینکه داده های مسواک هوشمند مفید و ضروری هستند یا خیر بحث دیگری است!

خرید کتاب Essential Math for Data Science از فروشگاه کتاب زبان ملت

همه این مجموعه داده ها در گوشه و کنار زندگی ما نفوذ کرده است. ممکن است بسیار زیاد باشد، و می توان یک کتاب کامل در مورد نگرانی های حفظ حریم خصوصی و اخلاقیات نوشت. اما این در دسترس بودن داده ها همچنین فرصت هایی را برای استفاده از ریاضی و آمار به روش های جدید و ایجاد قرار گرفتن در معرض بیشتر در خارج از محیط های دانشگاهی ایجاد می کند. ما می‌توانیم درباره تجربیات انسانی بیشتر بیاموزیم، طراحی و کاربرد محصول را بهبود بخشیم، و استراتژی‌های تجاری را بهینه کنیم. اگر ایده های ارائه شده در کتاب Essential Math for Data Science را درک کنید، می توانید ارزش موجود در زیرساخت ذخیره داده ما را باز کنید. این بدان معنا نیست که داده ها و ابزارهای آماری یک گلوله نقره ای برای حل همه مشکلات جهان هستند، اما آنها ابزارهای جدیدی به ما داده اند که می توانیم از آنها استفاده کنیم. گاهی اوقات تشخیص پروژه‌های داده‌ای خاص به اندازه سوراخ‌های خرگوش و درک اینکه تلاش‌ها در جای دیگر بهتر خرج می‌شوند، ارزشمند است.

این در دسترس بودن رو به رشد داده ها، راه را برای علم داده و یادگیری ماشین به حرفه های مورد تقاضا تبدیل کرده است. ما ریاضیات ضروری را به عنوان قرار گرفتن در معرض احتمال، جبر خطی، آمار و یادگیری ماشین تعریف می کنیم. اگر به دنبال شغلی در علم داده، یادگیری ماشین یا مهندسی هستید، این موضوعات ضروری هستند. من فقط به اندازه کافی ریاضیات، حساب دیفرانسیل و انتگرال، و آمار لازم را برای درک بهتر آنچه در کتابخانه های جعبه سیاهی که با آنها روبرو خواهید شد، وارد می کنم.

خرید کتاب Essential Math for Data Science از فروشگاه کتاب زبان ملت

با کتاب Essential Math for Data Science، هدف من این است که خوانندگان را با حوزه های مختلف ریاضی، آماری و یادگیری ماشینی آشنا کنم که برای مسائل دنیای واقعی قابل استفاده است. چهار فصل اول مفاهیم پایه ریاضی شامل حساب عملی، احتمال، جبر خطی و آمار را پوشش می دهد. سه فصل آخر کتاب Essential Math for Data Science به یادگیری ماشین می‌پردازد. هدف نهایی آموزش یادگیری ماشینی، ادغام همه چیزهایی است که یاد می‌گیریم و بینش‌های عملی را در استفاده از یادگیری ماشینی و کتابخانه‌های آماری فراتر از درک جعبه سیاه نشان می‌دهیم.

کتاب ریاضی ضروری برای علوم داده از انتشارات پایتون

تنها ابزار مورد نیاز برای دنبال کردن مثال‌ها یک کامپیوتر Windows/Mac/Linux و یک محیط Python 3 به انتخاب شماست. کتابخانه های اولیه پایتون که به آن نیاز خواهیم داشت numpy، scipy، sympy و sklearn هستند. کتاب Essential Math for Data Science شما را به یک متخصص تبدیل نمی کند و دانش دکترا را به شما نمی دهد. من تمام تلاشم را می کنم تا از عبارات ریاضی پر از نمادهای یونانی اجتناب کنم و در عوض سعی می کنم از انگلیسی ساده به جای آن استفاده کنم. اما کاری که کتاب Essential Math for Data Science انجام می دهد این است که شما را راحت تر در مورد ریاضی و آمار صحبت می کند و به شما دانش ضروری برای پیمایش موفقیت آمیز این حوزه ها می دهد. من معتقدم وسیع‌ترین مسیر موفقیت، داشتن دانش عمیق و تخصصی در یک موضوع نیست، بلکه در معرض دید و دانش عملی در چندین موضوع است. این هدف کتاب ریاضی ضروری برای علوم داده است و شما به اندازه کافی یاد خواهید گرفت که خطرناک باشید و آن سوالات انتقادی را که زمانی گریزان بود بپرسید.