Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Linear Algebra with Machine Learning and Data
Ta książka zawiera dogłębne omówienie kilku kluczowych zagadnień algebry liniowej, które mają zastosowanie do analizy danych i eksploracji danych. Książka oferuje podejście oparte na studium przypadku, w którym każdy przypadek będzie oparty na rzeczywistym zastosowaniu.
Tekst ten jest przeznaczony do drugiego kursu z zastosowań algebry liniowej w analizie danych, z dodatkowym rozdziałem na temat drzew decyzyjnych i ich zastosowań w analizie regresji. Tekst można rozpatrywać w dwóch różnych, ale pokrywających się kategoriach ogólnej analizy danych: grupowanie i interpolacja. Znajomość technik matematycznych związanych z analizą danych i ekspozycja na interpretację wyników w kontekście analizy danych są szczególnie cenne dla studentów studiujących matematykę na poziomie licencjackim.
Każdy rozdział tego tekstu prowadzi czytelnika przez kilka odpowiednich studiów przypadków wykorzystujących rzeczywiste dane. Wszystkie zestawy danych, a także składnia Pythona i R, są dostarczane czytelnikowi za pośrednictwem linków do dokumentacji Github.
Po każdym rozdziale znajduje się krótki zestaw ćwiczeń, w którym studenci są zachęcani do korzystania z technologii w celu wykorzystania swojej poszerzającej się wiedzy na temat algebry liniowej w zastosowaniu do analizy danych. Zakłada się podstawową znajomość pojęć z pierwszego kursu algebry liniowej, jednak przegląd kluczowych pojęć jest przedstawiony we wstępie i w razie potrzeby w całym tekście.
