Frischen Sie Ihre Mathematik-Kenntnisse für Datenanalysen, Machine Learning und Neuronale Netze auf! Dieses Buch richtet sich an angehende und fortgeschrittene Data Scientists sowie Programmierer*innen, die sich die mathematischen Grundlagen der Data Science aneignen möchten. Es ist besonders gut nachvollziehbar durch minimale mathematische Fachterminologie, praxisnahe Beispiele und zahlreiche Abbildungen. Mit Übungen und Lösungen können Sie das Gelernte vertiefen. Um als Data Scientist erfolgreich zu sein, ist ein solides mathematisches Grundwissen unerlässlich. Der Autor führt Sie Schritt für Schritt durch Infinitesimalrechnung, Wahrscheinlichkeit, lineare Algebra, Statistik und Hypothesentests und zeigt, wie diese Grundlagen in der linearen und logistischen Regression sowie in neuronalen Netzen eingesetzt werden. Sie verwenden Python-Code und Bibliotheken wie SymPy, NumPy und scikit-learn, um grundlegende mathematische Konzepte zu erkunden. Verstehen Sie Techniken wie lineare und logistische Regression und neuronale Netze durch klare Erklärungen. Wenden Sie deskriptive Statistik und Hypothesentests an, um p-Werte und statistische Signifikanz zu interpretieren. Vertiefen Sie Ihre Kenntnisse in Infinitesimal- und Wahrscheinlichkeitsrechnung sowie Statistik und linearer Algebra und lernen Sie, gängige Fehler zu vermeiden, um auf dem Data-Science-Arbeitsmarkt zu überzeugen.
