Mathematik für Data Science. Daten mit Hilfe von linearer Algebra, Wahrscheinlichkeitstheorie und Statistik steuern

Beherrschen Sie das mathematische Werkzeug, das erforderlich ist, um in der Datenwissenschaft, im maschinellen Lernen und in der Statistik erfolgreich zu sein. Der Autor des Buches, Thomas Nield, wird Ihnen helfen, sich in solchen Disziplinen wie mathematischer Analyse, Wahrscheinlichkeitstheorie, linearer Algebra und Statistik zurechtzufinden und zu lernen, wie Sie diese im Kontext von Methoden wie linearer Regression, logistischer Regression und neuronalen Netzen anwenden können. Nebenbei erfahren Sie, was das moderne Gebiet der Datenwissenschaft ausmacht und wie Sie das erworbene Wissen nutzen können, um maximalen Erfolg in Ihrer Karriere zu erzielen.