Libros de matemáticas y estática para ciencia de datos

Introducción

El proceso de selección de científicos de datos en Google da mayor prioridad a los candidatos con una sólida formación en estadística y matemáticas. No solo Google, otras compañías importantes (Amazon, Airbnb, Uber, etc.) en el mundo también prefieren candidatos con sólidos fundamentos en lugar de simples conocimientos en ciencia de datos.

Si usted también aspira a trabajar para empresas tan importantes en el futuro, es esencial que desarrolle una comprensión matemática de la ciencia de datos. La ciencia de datos es simplemente la versión evolucionada de la estadística y las matemáticas, combinada con la programación y la lógica empresarial. He conocido a muchos científicos de datos que luchan por explicar los modelos predictivos estadísticamente.

Más que simplemente derivar precisión, comprender e interpretar cada métrica, el cálculo detrás de esa precisión es importante. Recuerde, cada ‘variable’ tiene una historia que contar. Así que, si no es otra cosa, ¡trata de convertirte en un gran explorador de historias!

En este artículo, he compilado una lista de libros de lectura obligatoria sobre estadística y matemáticas. Entiendo, las matemáticas no tienen extremos. Por lo tanto, he incluido solo aquellos libros que lo ayudarán a conectarse mejor con la ciencia de datos.

Nota: En este artículo se mencionan libros cuyo acceso es gratuito por parte de las autoridades registradas. De lo contrario, se proporciona un enlace a la librería de Amazon.

Estadísticas

Introducción al aprendizaje estadístico

Este es un libro muy recomendado para los científicos de datos en ejercicio. El enfoque de estos libros se mantiene en conectar el concepto de estadística con el aprendizaje automático. Por lo tanto, aprenderá sobre todos los algoritmos populares de aprendizaje automático supervisados ​​y no supervisados. Los usuarios de R obtendrán una ventaja, ya que los aspectos prácticos de los algoritmos se han demostrado utilizando R. Además de la teoría, este libro también hace hincapié en el uso de algoritmos ML en entornos de la vida real.

Disponible: Descarga gratis

Elementos del aprendizaje estadístico

Este libro es un nivel avanzado del libro anterior. Está escrito por Trevor Hastie y Rob Tibshirani, profesores de la Universidad de Stanford. Su primer libro, ‘Introducción al aprendizaje estadístico’, descubre los conceptos básicos de la estadística y el aprendizaje automático. Este libro le presentará algoritmos de nivel superior, como redes neuronales, embolsado y refuerzo, métodos de kernel, etc. Los algoritmos se han implementado en la programación R.

Disponible: Descarga gratis

Piense en las estadísticas

El autor de este libro es Alien B Downey. Se basa en realizar análisis estadísticos prácticamente en Python. Por lo tanto, asegúrese de tener algunos conocimientos básicos de Python antes de comprar este libro. Se centra completamente en comprender la influencia de las estadísticas en la vida real utilizando estudios de casos populares. Dado que las estadísticas y las matemáticas están estrechamente relacionadas, también tiene capítulos dedicados a temas como la estimación bayesiana.

Disponible: Comprar en Amazon

De algoritmos a puntuaciones Z

¿Sabías sobre el papel crucial de las estadísticas en la programación? El autor de este libro es Norm Matloff, profesor de la Universidad de California. Este libro explica el uso de conceptos probabilísticos y medidas estadísticas en R. Una vez más, una fuente de buenas prácticas para los usuarios de R. Enseña el arte de tratar con modelos probabilísticos y elegir el mejor para la evaluación final. Es un libro muy recomendado (especialmente para usuarios de R).

Disponible: Descarga gratis

Introducción a la estadística bayesiana

Este es un libro muy recomendado para principiantes en ciencia de datos. El autor de este libro es William M Bolstad. Es una lectura obligada para las personas que encuentran aburridas las matemáticas. Habiendo sido escrito en un estilo conversacional (raro encontrar matemáticas de esta manera), este libro es un gran recurso introductorio sobre estadística. Comienza con métodos científicos de recopilación de datos y termina entregando capítulos dedicados a las estadísticas bayesianas.

Disponible: Descarga gratis

Descubriendo estadísticas usando R

Este libro está escrito por Andy Field, Jeremy Miles y Zoe Field. Recomendaría encarecidamente este libro a los novatos en la ciencia de datos. Para empezar con las estadísticas, este libro tiene un gran contenido que profundiza en los detalles de sus temas. Junto con, el concepto estadístico se explica junto con R, lo que lo hace aún más útil. Ofrece una comprensión paso a paso, con un apoyo paralelo de ejemplos prácticos interesantes.

Disponible: Comprar en Amazon

Matemáticas

Introducción al álgebra lineal

Este es uno de los libros más recomendados sobre álgebra lineal. El autor de este libro es Gilbert Strang, profesor, MIT. La forma única de Gilbert de transmitir conocimientos le daría la intuición y la emoción para seguir adelante después de cada capítulo. Este libro le ayudará a construir una base matemática sólida para el aprendizaje automático. Enumera todos los capítulos necesarios, como vectores, ecuaciones lineales, determinantes, valores propios, factorización de matrices, etc. en gran profundidad.

Disponible: Comprar en Amazon

Computación matricial

Los marcos de datos y matrices son componentes esenciales del aprendizaje automático. El autor de este libro es Gene H Golub y Charles F Van Loan. Este libro proporciona una buena ventaja a los estudiantes con los conceptos de cálculos matriciales. El autor cubre la mayoría de los temas importantes como la eliminación gaussiana, la factorización matricial, el método lancoz, el análisis de errores, etc. Cada capítulo está respaldado por problemas prácticos intuitivos. Los pseudocódigos están disponibles en Matlab.

Disponible: Descarga gratis

Una teoría probabilística del reconocimiento de patrones

Este es un recurso completo para aprender la aplicación de las matemáticas. Este es un libro de lectura obligada para profesionales de nivel intermedio y avanzado en aprendizaje automático. Este libro está escrito por Luc Devroye, Laszlo Gyorfi y Gabor Lugosi. Cubre una amplia gama de temas que van desde el error de bayes, la discriminación lineal hasta la entropía épsilon y las redes neuronales. Proporciona una explicación convincente de teoremas complejos con problemas de práctica inteligente de la sección.

Disponible: Descarga gratis

Introducción a las matemáticas de redes neuronales

Si tiene un interés innato en aprender sobre redes neuronales, este debería ser su lugar para comenzar. El autor de este libro es Jeff Heaton. El autor ha simplificado maravillosamente los difíciles conceptos de las redes neuronales. Este libro le presenta los conceptos básicos de las matemáticas subyacentes en las redes neuronales. Se asume que el lector tiene conocimientos previos de álgebra, cálculo y programación. Demuestra varias herramientas matemáticas que se pueden aplicar a las redes neuronales.

Disponible: Comprar en Amazon

Matemáticas de ingeniería avanzada

Este es probablemente el libro más completo disponible sobre matemáticas para usuarios de aprendizaje automático. El autor de este libro es Erwin Kreyszig. De hecho, este libro también se recomienda encarecidamente a los estudiantes universitarios. Si no ha sido bueno en matemáticas hasta ahora, siga este libro religiosamente y seguramente verá mejoras significativas en su comprensión de las matemáticas. Junto con las derivaciones y el ejemplo de práctica, este libro tiene secciones dedicadas de cálculo, álgebra, probabilidad, etc. Definitivamente, un libro de lectura obligada para todos los niveles de profesionales de la ciencia de datos.

Disponible: Descarga gratis

Libro de cocina sobre probabilidad y estadística

Este libro de cocina es imprescindible en su biblioteca digital. Este no es exactamente un libro de texto que descubrirías, sino una guía digital rápida sobre ecuaciones matemáticas. El autor de este libro es Matthias Vallentin. Una vez que haya terminado con los conceptos básicos de las matemáticas, este libro lo ayudará a conectar varios teoremas y algoritmos rápidamente con sus fórmulas. Es difícil derivar ecuaciones instantáneamente, este libro lo ayudará a navegar rápidamente hasta el problema deseado y resolverlo.

Disponible: Descarga gratis

Recursos adicionales

¿Estás aburrido de leer demasiado? Aquí hay una lista de tutoriales (videos) / recursos altamente recomendados sobre matemáticas y estadística. Son GRATIS para acceder.

1. Curso completo de álgebra lineal por MIT
2. Curso completo de cálculo multivariable por MIT
3. Aprendizaje estadístico de la Universidad de Stanford
4. Matemáticas en Khan Academy
5. Hoja de referencia completa sobre probabilidad

Notas finales

Los libros enumerados en este artículo se seleccionan sobre la base de sus reseñas y la profundidad de los temas cubiertos. Esta no es una lista exhaustiva de libros. Pero, descubrí que es casi demasiado fácil confundirse al decidir ‘¿por dónde empezar?’ En tales situaciones, es recomendable comenzar con esta lista.

En este artículo, he enumerado algunos de los libros más útiles sobre estadísticas y aprendizaje automático. Se ha descubierto que la gente tiende a descuidar estos temas en busca de un éxito rápido. Pero esa no es la forma correcta. Por lo tanto, si su objetivo es un éxito a largo plazo en la ciencia de datos, asegúrese de aprender a crear historias a partir de matemáticas y estadísticas.

Ha leído alguno de estos libros ? ¿Qué libro de matemáticas y estadística te ha ayudado más? Comparta sus sugerencias / reseñas en la sección de comentarios a continuación.

¿Quiere aplicar sus habilidades analíticas y poner a prueba su potencial? Luego participa en nuestros Hackathons y compita con los mejores científicos de datos de todo el mundo.

Relacionado