Matematika untuk Ilmuwan Data: Bagian yang Diperlukan

Matematika adalah landasan Ilmu Data. Meskipun beberapa teorema, aksioma, dan formula tampak terlalu abstrak dan jauh dari praktik, nyatanya, tanpa mereka, tidak mungkin untuk benar-benar menganalisis dan mensistematisasi array data yang sangat besar.

Bidang matematika berikut ini penting untuk spesialis Ilmu Data:

• statistik;
• teori probabilitas;
• analisis matematika;
• aljabar linier.

Dalam artikel sebelumnya, "Ilmu Data: Buku-Buku Entry-Level," para ahli Plarium Krasnodar merekomendasikan literatur tentang pemrograman Python, serta pada visualisasi hasil dan pembelajaran mesin. Pada artikel ini, mereka menawarkan pilihan bahan matematika dan buku yang berguna dalam Ilmu Data.

Statistik dan teori probabilitas

Sulit untuk melebih-lebihkan pentingnya pengetahuan statistik untuk Ilmuwan Data di tingkat mana pun. Semua pembelajaran mesin klasik didasarkan pada pembelajaran statistik. Selain itu, tes A / B standar didasarkan padanya.

Sumber inspirasi:



Semua statistik
Larry wasserman

Seperti yang ditulis oleh penulis sendiri: "Buku ini untuk orang yang ingin mempelajari probabilitas dan statistik dengan cepat."

Buku ini memberikan semua ketentuan dasar teori probabilitas dan statistik.



Dasar-dasar statistik (3 bagian)
Platform Pendidikan Stepik

Kursus statistik untuk pemula. Mencakup semua konsep dasar.



Statistik Dasar Secara Singkat Katharine
Alexis Kormanik

Buku ini sudah direkomendasikan di artikel sebelumnya, tetapi mengulanginya tidak akan salah. :-)

Bagian pertama memberikan definisi dasar dengan ilustrasi dan komentar, yang terakhir mengungkapkan pentingnya tes T dan Z. Materi disajikan dalam bahasa yang dapat diakses, dengan peralatan matematika minimum yang diperlukan. Panduan ini adalah pengantar yang sangat baik untuk statistik dari sudut pandang praktis.



Teori Probabilitas dan Statistik Matematika
N. Sh. Kremer

Buku teks ini ditujukan untuk para ekonom, sehingga kompleksitas dan kedalaman konsep tidak mengejutkan pemula dalam Ilmu Data. Cocok untuk mempelajari dasar-dasarnya sebelum menyelam ke literatur khusus.



Teori Probabilitas dan Statistik Matematika
A.I. Kibzun, E.R. Goryainova, A.V. Naumov, A.N. Sirotin

Kursus dasar ini memberikan wawasan yang lebih dalam dari yang sebelumnya. Kecuali
Teori mencakup latihan praktis dan bahan referensi.



Konsep dasar teori probabilitas dan statistik matematika
M. Ya Kelbert, Yu M. Sukhov

Pilihan yang bagus untuk mereka yang sudah terbiasa dengan topik dan ingin mendapatkan pengetahuan yang lebih dalam.

Analisis matematis

Pada pandangan pertama, arah ini lebih dibutuhkan di dalam tembok universitas, tetapi tanpa itu tidak akan mungkin untuk berurusan dengan backpropagation atau untuk menguasai kursus pembelajaran yang mendalam dengan cara kualitatif.

Mengisi kesenjangan dalam statistik, saatnya untuk mulai mempelajari materi di bagian ini. Dan ada banyak sekali dari mereka.



Kalkulus
edX

Kursus dari Massachusetts Institute of Technology, terdiri dari 3 bagian:

• Kalkulus 1A: Diferensiasi - kursus menemukan turunan, interpretasi geometris, dan makna fisiknya.
• Kalkulus 1B: Integrasi - kursus menemukan integral, hubungannya dengan turunan dan aplikasi dalam desain teknik, analisis ilmiah, teori probabilitas dan statistik.
• Kalkulus 1C: Sistem Koordinat & Seri Tak Terbatas - kursus menghitung kurva, sistem koordinat, perkiraan fungsi ke polinomial, dan seri tak hingga. Semua ini diperlukan untuk membangun model matematika dari dunia nyata.

Kalkulus satu
Platform pendidikan Coursera

Kursus ini ditujukan untuk pemula, tetapi presentasi materi yang mudah akan membantu menyegarkan ingatan akan Ilmuwan Data yang berpengalaman.



Akademi Khan
Platform pendidikan

Berbagai bahan disajikan pada sumber daya yang sempurna untuk memulai studi matematika, pemrograman dan ilmu komputer.



Kalkulus
James stewart

Buku ini terkenal dengan konten yang dirancang dengan cermat dan bahasa yang cukup sederhana.



Kursus Analisis Matematika
L. D. Kudryavtsev

Bagi mereka yang ingin mendapatkan pengetahuan yang lebih mendasar tentang kalkulus diferensial dan integral, teori seri, analisis fungsional dan harmonik.

Anda juga dapat memperhatikan dua program dari MIT:

1. Single Variable Calculus - program studi independen tentang diferensiasi, kalkulus integral, dan deret tak hingga.
2. Kalkulus Multivariabel adalah program lain untuk studi independen diferensiasi, serta kalkulus integral dan vektor dari beberapa variabel.

Aljabar linier

Tanpa bagian matematika ini, tidak akan mungkin untuk mengembangkan metode pembelajaran mesin, mensimulasikan perilaku berbagai objek, atau mengoptimalkan proses pengelompokan dan mengurangi dimensi deskripsi data.



Aljabar linier
Georgi E. Shilov

Buku teks berisi materi yang dikembangkan dengan baik. Buku ini cocok untuk mempelajari kursus pengantar dalam aljabar linier.



Aljabar linier
V. A. Ilyin, E. G. Poznyak

Buku teks ini ditulis atas dasar ceramah oleh para guru dari Departemen Fisika Universitas Negeri Moskow. Semua bahan disajikan dalam bahasa yang mudah diakses dan cocok untuk studi mendalam tentang teori dasar aljabar linier.

Dan akhirnya, rekomendasi lain adalah kursus pelatihan MIT Linear Algebra . Dia mengungkapkan teori matriks dan posisi aljabar linier.