作者：(美)托马斯·尼尔德(Thomas Ni
页数：12,353页
出版社：东南大学出版社
出版日期：2023
ISBN：9787576604955
电子书格式：pdf/epub/txt
内容简介
本书涉足微积分、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。
本书特色
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。
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 结论 习题第2章 概率论 理解概率 概率与统计 概率数学 联合概率 并集概率 条件概率与贝叶斯定理 联合条件概率和并集条件概率 二项分布 贝塔分布 结论 习题第3章 描述统计学和推理统计学 什么是数据？ 描述统计学与推理统计学 总体、样本和偏差 描述统计学 均值与加权均值 中位数 众数 方差和标准差 正态分布 逆CDF Z分数 推理统计学 中心极限定理 置信区间 理解p值 假设检验 t分布：处理小样本 大数据考虑和德州神 手谬论
