Überbrücken Sie die Kluft zwischen theoretischen Konzepten und deren praktischer Anwendung mit dieser gründlichen Einführung in die Mathematik, die die Grundlage für Data Science bildet. Es behandelt wichtige Themen wie lineare Algebra, Analysis, Optimierung sowie Wahrscheinlichkeitsrechnung und Statistik und zeigt deren Bedeutung im Kontext der Datenanalyse.
Wichtige Anwendungsbereiche sind Clustering, Regression, Klassifikation, Dimensionsreduktion, Netzwerkanalyse und neuronale Netze. Was diesen Text auszeichnet, ist sein Fokus auf praktisches Lernen. Jedes Kapitel verbindet mathematische Erkenntnisse mit praktischen Beispielen und verwendet Python, um Algorithmen umzusetzen und Probleme zu lösen.
Selbsteinschätzungs-Quiz, Aufwärmübungen und theoretische Aufgaben fördern sowohl das mathematische Verständnis als auch die computergestützten Fähigkeiten. Für fortgeschrittene Bachelor-Studierende und beginnende Master-Studierende konzipiert, dient dieses Lehrbuch sowohl als Einladung für Mathematik-Studierende zur Data Science als auch als vertiefende Einführung in die Mathematik für Data-Science-Studenten.
Seiten: 582, Abmessungen: 17,8x17,8cm
