Rosn

Osoby które kupowały "Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobie", wybierały także:

• Testy statystyczne w procesie podejmowania decyzji 25,20 zÅ‚, (10,08 zÅ‚ -60%)
• Ryszard Kilvington. NieskoÅ„czoność i geometria 19,52 zÅ‚, (8,98 zÅ‚ -54%)
• Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobie 69,00 zÅ‚, (34,50 zÅ‚ -50%)
• Domowe lekcje matematyki. Klasy 4-6 39,90 zÅ‚, (19,95 zÅ‚ -50%)
• Matematyka w uczeniu maszynowym 129,00 zÅ‚, (64,50 zÅ‚ -50%)

Spis treści

Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieñstwa i statystyka -- spis tre¶ci

Przedmowa

1. Podstawy matematyki oraz rachunku ró¿niczkowego i ca³kowego

• Teoria liczb
• Kolejno¶æ dzia³añ
• Zmienne
• Funkcje
• Sumowanie
• Potêgowanie
• Logarytmy
• Liczba Eulera i logarytmy naturalne
  • Liczba Eulera
  • Logarytmy naturalne
• Granice
• Pochodne
  • Pochodne cz±stkowe
  • Regu³a ³añcuchowa
• Ca³ki
• Podsumowanie
• Æwiczenia

2. Prawdopodobieñstwo

• Zrozumieæ prawdopodobieñstwo
  • Prawdopodobieñstwo a statystyka
• Matematyka prawdopodobieñstw
  • Prawdopodobieñstwa ³±czne
  • Prawdopodobieñstwa alternatywne
  • Prawdopodobieñstwo warunkowe i twierdzenie Bayesa
  • £±czne i alternatywne prawdopodobieñstwa warunkowe
• Rozk³ad dwumianowy
• Rozk³ad beta
• Podsumowanie
• Æwiczenia

3. Statystyka opisowa i wnioskowanie statystyczne

• Czym s± dane?
• Statystyka opisowa a wnioskowanie statystyczne
• Populacje, próby i obci±¿enie
• Statystyka opisowa
  • ¦rednia i ¶rednia wa¿ona
  • Mediana
  • Dominanta
  • Wariancja i odchylenie standardowe
  • Rozk³ad normalny
  • Dystrybuanta odwrotna
  • Standaryzacja Z
• Wnioskowanie statystyczne
  • Centralne twierdzenie graniczne
  • Przedzia³y ufno¶ci
  • Warto¶ci p
  • Testowanie hipotez
• Rozk³ad t: analizowanie ma³ych prób
• Big data i b³±d teksañskiego snajpera
• Podsumowanie
• Æwiczenia

4. Algebra liniowa

• Co to jest wektor?
  • Dodawanie i ³±czenie wektorów
  • Skalowanie wektorów
  • Pow³oka i zale¿no¶æ liniowa
• Przekszta³cenia liniowe
  • Wektory bazowe
  • Mno¿enie macierzy przez wektor
• Mno¿enie macierzy
• Wyznaczniki
• Specjalne rodzaje macierzy
  • Macierz kwadratowa
  • Macierz jednostkowa
  • Macierz odwrotna
  • Macierz diagonalna
  • Macierz trójk±tna
  • Macierz rzadka
• Uk³ady równañ i macierze odwrotne
• Wektory i warto¶ci w³asne
• Podsumowanie
• Æwiczenia

5. Regresja liniowa

• Podstawowa regresja liniowa
• Reszty i kwadraty b³êdu
• Znajdowanie najlepiej dopasowanej linii
  • Równanie w formie zamkniêtej
  • Techniki wykorzystuj±ce macierze odwrotne
  • Metoda gradientu prostego
• Nadmierne dopasowanie i wariancja
• Metoda stochastycznego gradientu prostego
• Wspó³czynnik korelacji
• Istotno¶æ statystyczna
• Wspó³czynnik determinacji
• B³±d standardowy estymacji
• Przedzia³y przewidywania
• Podzia³ danych na treningowe i testowe
• Wielokrotna regresja liniowa
• Podsumowanie
• Æwiczenia

6. Regresja logistyczna i klasyfikacja

• Na czym polega regresja logistyczna?
• Przeprowadzanie regresji logistycznej
  • Funkcja logistyczna
  • Dopasowywanie krzywej logistycznej
• Regresja logistyczna z wieloma zmiennymi
• Logarytm szansy
• R-kwadrat
• Warto¶ci p
• Podzia³y na dane treningowe i testowe
• Macierz b³êdów
• Twierdzenie Bayesa a klasyfikacja
• Krzywa ROC/pole pod krzyw±
• Nierównowaga klas
• Podsumowanie
• Æwiczenia

7. Sieci neuronowe

• Kiedy u¿ywaæ sieci neuronowych i uczenia g³êbokiego?
• Prosta sieæ neuronowa
  • Funkcje aktywacji
  • Propagacja w przód
• Propagacja wsteczna
  • Obliczanie pochodnych wzglêdem wag i biasów
  • Metoda gradientu stochastycznego
• U¿ywanie scikit-learn
• Ograniczenia sieci neuronowych i uczenia maszynowego
• Podsumowanie
• Æwiczenie

8. Porady zawodowe i droga naprzód

• Nowa definicja data science
• Krótka historia data science
• Szukanie przewagi
  • Bieg³o¶æ w SQL-u
  • Bieg³o¶æ w programowaniu
  • Wizualizacja danych
  • Znajomo¶æ bran¿y
  • Produktywna nauka
  • Praktyk czy doradca?
• Na co trzeba uwa¿aæ w pracy zwi±zanej z data science?
  • Definicja roli
  • Skupienie organizacyjne i akceptacja
  • Adekwatne zasoby
  • Rozs±dne cele
  • Konkurowanie z istniej±cymi systemami
  • Twoja rola nie jest tym, czego siê spodziewa³e¶
• Czy Twoja praca marzeñ nie istnieje?
• Co dalej?
• Podsumowanie

A. Tematy dodatkowe

B. Odpowiedzi do æwiczeñ

Skorowidz