توضیحات
This textbook aims to point out the most important principles of data analysis from the mathematical point of view. Specifically, it selected these questions for exploring: Which are the principles necessary to understand the implications of an application, and which are necessary to understand the conditions for the success of methods used? Theory is presented only to the degree necessary to apply it properly, striving for the balance between excessive complexity and oversimplification. Its primary focus is on principles crucial for application success.
Topics and features
Focuses on approaches supported by mathematical arguments, rather than sole computing experiences
Investigates conditions under which numerical algorithms used in data science operate, and what performance can be expected from them
Considers key data science problems: problem formulation including optimality measure; learning and generalization in relationships to training set size and number of free parameters; and convergence of numerical algorithms
Examines original mathematical disciplines (statistics, numerical mathematics, system theory) as they are specifically relevant to a given problem
Addresses the trade-off between model size and volume of data available for its identification and its consequences for model parametrization
Investigates the mathematical principles involves with natural language processing and computer vision
Keeps subject coverage intentionally compact, focusing on key issues of each topic to encourage full comprehension of the entire book
Although this core textbook aims directly at students of computer science and/or data science, it will be of real appeal, too, to researchers in the field who want to gain a proper understanding of the mathematical foundations beyond the sole computing experience.
————————————————————–
ترجمه ماشینی :
این کتاب درسی بر آن است تا به مهمترین اصول تحلیل داده ها از دیدگاه ریاضی اشاره کند. به طور خاص، این سؤالات را برای کاوش انتخاب کرد: اصول لازم برای درک مفاهیم یک برنامه کاربردی، و کدام اصول برای درک شرایط موفقیت روشهای مورد استفاده ضروری است؟ تئوری تنها تا حدی ارائه میشود که برای بهکارگیری صحیح آن لازم است، و در تلاش برای تعادل بین پیچیدگی بیش از حد و سادهسازی بیش از حد است. تمرکز اصلی آن بر اصولی است که برای موفقیت برنامه بسیار مهم است. عناوین و ویژگی ها به جای تجربیات محاسباتی انحصاری بر روی رویکردهای پشتیبانی شده توسط استدلال های ریاضی تمرکز می کند شرایطی را بررسی می کند که تحت آن الگوریتم های عددی مورد استفاده در علم داده عمل می کنند و چه عملکردی می توان از آنها انتظار داشت مشکلات کلیدی علم داده را در نظر می گیرد: فرمول بندی مسئله شامل اندازه گیری بهینه سازی؛ یادگیری و تعمیم در روابط با اندازه مجموعه آموزشی و تعداد پارامترهای آزاد. و همگرایی الگوریتمهای عددی رشتههای ریاضی اصلی (آمار، ریاضیات عددی، نظریه سیستم) را بررسی میکند، زیرا آنها به طور خاص به یک مسئله معین مربوط میشوند به مبادله بین اندازه مدل و حجم دادههای موجود برای شناسایی آن و پیامدهای آن برای مدل میپردازد. پارامترسازی اصول ریاضی را با پردازش زبان طبیعی و بینایی رایانه بررسی می کند پوشش موضوع را عمداً فشرده نگه می دارد و روی موضوعات کلیدی هر مبحث تمرکز می کند تا درک کامل کل کتاب را تشویق کند اگرچه این کتاب درسی اصلی مستقیماً برای دانشجویان علوم رایانه و/ یا علم داده، برای محققانی که می خواهند درک مناسبی از مبانی ریاضی فراتر از تجربه محاسباتی انحصاری به دست آورند، جذابیت واقعی خواهد داشت.
tag : دانلود کتاب مبانی ریاضی علم داده , Download مبانی ریاضی علم داده , دانلود مبانی ریاضی علم داده , Download Mathematical Foundations of Data Science Book , مبانی ریاضی علم داده دانلود , buy مبانی ریاضی علم داده , خرید کتاب مبانی ریاضی علم داده , دانلود کتاب Mathematical Foundations of Data Science , کتاب Mathematical Foundations of Data Science , دانلود Mathematical Foundations of Data Science , خرید Mathematical Foundations of Data Science , خرید کتاب Mathematical Foundations of Data Science ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.