Überbrücken Sie die Kluft zwischen theoretischen Konzepten und deren praktischen Anwendungen mit dieser fundierten Einführung in die Mathematik, die die Grundlage für Data Science bildet. Sie behandelt wesentliche Themenbereiche wie lineare Algebra, Analysis und Optimierung sowie Wahrscheinlichkeitstheorie und Statistik und demonstriert deren Relevanz im Kontext der Datenanalyse.
Zentrale Anwendungsgebiete umfassen Clustering, Regression, Klassifikation, Dimensionsreduktion, Netzwerk-Analyse und neuronale Netzwerke. Was diesen Text auszeichnet, ist der Fokus auf praktisches Lernen. Jedes Kapitel verbindet mathematische Erkenntnisse mit praktischen Beispielen und nutzt Python, um Algorithmen umzusetzen und Probleme zu lösen.
Selbstbewertungsquiz, Aufwärmübungen und theoretische Aufgaben fördern sowohl das mathematische Verständnis als auch die computerbezogenen Fähigkeiten. Entwickelt für fortgeschrittene Bachelor- und beginnende Masterstudierende, dient dieses Lehrbuch sowohl als Einladung zur Data Science für Mathematik-Studierende als auch als vertiefender Einblick in die Mathematik für Data Science Studierende.
Seiten: 582, Maße: 17.8x17.8cm
