Математика для Data Scientist

Data Science

Математика — это краеугольный камень Data Science. Хотя некоторые теоремы, аксиомы и формулы кажутся слишком абстрактными и далекими от практики, на самом деле без них невозможно по-настоящему глубоко анализировать и систематизировать огромные массивы данных.

Для специалиста Data Science важны следующие направления математики:

  • статистика;
  • теория вероятностей;
  • математический анализ;
  • линейная алгебра.

Курсы

Если нет желания штудировать книги самостоятельно, неплохим решением выглядит записаться на курс. Ниже наиболее известные:

Математика для Data Scientist

Курс по математике для Data Science

Необходимая база по математике и статистике для освоения машинного обучения

Стоимость: от 19 900₽ (есть рассрочка)

Продолжительность: 2 месяца

Математика для Data Scientist

Математика для Data Science. Продвинутый курс
* Обучение математике на реальных кейсах
* Много практики и живого общения с преподавателями
* Полный набор знаний для успешной работы в Data Science
Стоимость: 80 000₽
Продолжительность: 5 месяцев

Статистика и теория вероятностей

Сложно переоценить важность знания статистики для Data Scientist любого уровня. Все классическое machine learning основано на statistical learning. Более того, на нем же основываются стандартные A/B-тесты.

Теория вероятностей и математическая статистика — Н. Ш. Кремер

Математика для Data Scientist

Учебник ориентирован на экономистов, поэтому сложность и глубина понятий не шокирует новичка в Data Science. Подходит для изучения основ перед погружением в профильную литературу.

Теория вероятностей и математическая статистика — А. И. Кибзун, Е. Р. Горяинова, А. В. Наумов, А. Н. Сиротин

Математика для Data Scientist

Этот базовый курс дает более глубокие представления, чем предыдущий. Кроме теории включает практические задания и справочные материалы.

Основные понятия теории вероятностей и математической статистики — М. Я. Кельберт, Ю. М. Сухов

Математика для Data Scientist

Прекрасный вариант для тех, кто уже хорошо знаком с темой и хочет получить более глубокие знания.

Математический анализ

На первый взгляд это направление необходимо больше в стенах университетов, однако без него не удастся разобраться с backpropagation или качественно освоить курс по deep learning.

Восполнив пробелы в статистике, самое время приступить к изучению материалов по этому разделу. А их превеликое множество.

Курс математического анализа
Л. Д. Кудрявцев

Математика для Data Scientist

Для тех, кто хочет получить более фундаментальные знания о дифференциальных и интегральных исчислениях, теории рядов, функциональном и гармоническом анализе.

Линейная алгебра

Без этого раздела математики не получится разработать методы machine learning, смоделировать поведение различных объектов или оптимизировать процесс кластеризации и уменьшения размерности описания данных.

Линейная алгебра — В. А. Ильин, Э. Г. Позняк

Математика для Data Scientist

Этот учебник был написан на базе лекций преподавателей физического факультета МГУ. Все материалы изложены доступным языком и подойдут для глубокого изучения основных теорий линейной алгебры.

Оцените статью
Learn Data Science
Добавить комментарий