Einführung
Der Auswahlprozess für Data Scientists bei Google räumt Kandidaten mit einem starken Hintergrund in Statistik und Mathematik höchste Priorität ein. Kein Solo-Google, andere große Unternehmen (Amazonas, Airbnb, Über, etc.) auf der ganzen Welt bevorzugen auch Kandidaten mit soliden Grundlagen gegenüber einfachen Data Science-Kenntnissen.
Wenn Sie auch in Zukunft für so wichtige Unternehmen arbeiten möchten, Es ist wichtig, dass Sie ein mathematisches Verständnis von Data Science entwickeln. Data Science ist einfach die weiterentwickelte Version von Statistik und Mathematik, kombiniert mit Programmierung und Geschäftslogik. Ich habe viele Datenwissenschaftler getroffen, die Schwierigkeiten haben, Vorhersagemodelle statistisch zu erklären.
Mehr als nur Präzision ableiten, jede Metrik verstehen und interpretieren, die Berechnung hinter dieser Präzision ist wichtig. Erinnern, jeden ‚Variable‘ hat eine Geschichte zu erzählen. So, wenn nicht was anderes, Versuche ein großartiger Story-Explorer zu werden!
In diesem Artikel, Ich habe eine Liste mit Büchern über Statistik und Mathematik zusammengestellt, die man unbedingt lesen muss. ich verstehe, Mathematik kennt keine Extreme. Deswegen, Ich habe nur die Bücher aufgenommen, die Ihnen helfen, sich besser mit Data Science zu verbinden.
Notiz: In diesem Artikel werden Bücher erwähnt, deren Zugang für die registrierten Behörden kostenlos ist.. Andererseits, ein Link zum Amazon-Buchladen ist vorhanden.
Statistiken
Einführung in das statistische Lernen
Dies ist ein sehr empfehlenswertes Buch für praktizierende Data Scientists. Der Fokus dieser Bücher liegt weiterhin auf der Verbindung des Konzepts der Statistik mit maschinellem Lernen.. Deswegen, Erfahren Sie mehr über alle gängigen überwachten und unüberwachten maschinellen Lernalgorithmen. R-Benutzer haben einen Vorsprung, da die Praktikabilität der Algorithmen mit R . demonstriert wurde. Neben der Theorie, Dieses Buch betont auch die Verwendung von ML-Algorithmen in realen Umgebungen.
Erhältlich: Kostenfreier Download
Elemente des statistischen Lernens
Dieses Buch ist ein fortgeschrittenes Niveau des vorherigen Buches. Es wurde von Trevor Hastie und Rob Tibshirani . geschrieben, Professoren der Stanford University. Sein erstes Buch, ‚Einführung in das statistische Lernen‘, Entdecken Sie die Grundlagen der Statistik und des maschinellen Lernens. Dieses Buch führt Sie in Algorithmen auf höherer Ebene ein, als neuronale Netze, einsacken und verstärken, Kernel-Methoden, etc. Die Algorithmen wurden in R-Programmierung implementiert.
Erhältlich: Kostenfreier Download
Denken Sie an die Statistiken
Der Autor dieses Buches ist Alien B Downey. Es basiert auf der praktischen Durchführung statistischer Analysen in Python. Deswegen, Stellen Sie sicher, dass Sie über grundlegende Kenntnisse in Python verfügen, bevor Sie dieses Buch kaufen. Konzentriert sich vollständig auf das Verständnis des Einflusses von Statistiken im wirklichen Leben anhand beliebter Fallstudien. Da Statistik und Mathematik eng miteinander verbunden sind, Es gibt auch Kapitel zu Themen wie Bayes'scher Schätzung.
Erhältlich: Bei Amazon kaufen
Von Algorithmen zu Z-Scores
Wussten Sie schon über die entscheidende Rolle der Statistik bei der Programmierung?? Der Autor dieses Buches ist Norm Matloff, Professor an der University of California. Dieses Buch erklärt die Verwendung von Wahrscheinlichkeitskonzepten und statistischen Maßen in R. Ein Mal noch, eine Quelle bewährter Verfahren für R-Benutzer. Lehrt den Umgang mit probabilistischen Modellen und die Auswahl des besten für die abschließende Bewertung. Es ist ein sehr empfehlenswertes Buch (speziell für R-Benutzer).
Erhältlich: Kostenfreier Download
Einführung in die Bayessche Statistik
Dies ist ein sehr empfehlenswertes Buch für Anfänger in der Datenwissenschaft. Der Autor dieses Buches ist William M Bolstad. Es ist ein Muss für Leute, die Mathe langweilig finden. Im Konversationsstil geschrieben (Mathe findet man selten so), Dieses Buch ist eine großartige Einführung in die Statistik. Es beginnt mit wissenschaftlichen Methoden der Datenerhebung und endet mit Kapiteln, die sich der Bayesschen Statistik widmen..
Erhältlich: Kostenfreier Download
Statistiken mit R . entdecken
Dieses Buch wurde von Andy Field geschrieben, Jeremy Miles und Zoe Field. Ich kann dieses Buch Anfängern der Data Science wärmstens empfehlen. Um mit der Statistik zu beginnen, Dieses Buch hat großartigen Inhalt, der sich mit den Details seiner Themen befasst. Mit, das statistische Konzept wird zusammen mit R . erklärt, was es noch nützlicher macht. Bietet ein schrittweises Verständnis, mit paralleler Unterstützung durch interessante Praxisbeispiele.
Erhältlich: Bei Amazon kaufen
Mathematik
Einführung in die lineare Algebra
Dies ist eines der am meisten empfohlenen Bücher über lineare Algebra. Der Autor dieses Buches ist Gilbert Strang, Lehrer, MIT. Gilberts einzigartige Art, Wissen weiterzugeben, würde ihm die Intuition und Aufregung geben, nach jedem Kapitel weiterzumachen.. Dieses Buch wird Ihnen helfen, eine solide mathematische Grundlage für maschinelles Lernen zu schaffen.. Listen Sie alle notwendigen Kapitel auf, als Vektoren, lineare Gleichungen, Determinanten, Eigenwerte, Array-Faktorisierung, etc. in großer Tiefe.
Erhältlich: Bei Amazon kaufen
Matrix-Computing
Datenrahmen und Arrays sind wesentliche Komponenten des maschinellen Lernens. Der Autor dieses Buches ist Gene H Golub und Charles F Van Loan. Dieses Buch bietet Studenten mit den Konzepten der Matrixberechnungen einen guten Vorteil. Der Autor behandelt die meisten wichtigen Themen wie die Gaußsche Elimination, Matrixfaktorisierung, die Lancoz-Methode, Fehleranalyse, etc. Jedes Kapitel wird durch intuitive praktische Probleme unterstützt. Pseudocodes sind in Matlab verfügbar.
Erhältlich: Kostenfreier Download
Eine probabilistische Theorie der Mustererkennung
Dies ist eine vollständige Ressource zum Erlernen der Anwendung von Mathematik. Dieses Buch ist ein Muss für fortgeschrittene und fortgeschrittene Machine Learning-Profis. Dieses Buch wurde von Luc Devroye geschrieben, Laszlo Gyorfi und Gabor Lugosi. Deckt ein breites Themenspektrum ab, von Bug bis Bayes, lineare Diskriminierung bis hin zu Epsilon-Entropie und neuronalen Netzen. Bietet eine überzeugende Erklärung komplexer Theoreme mit intelligenten Übungsaufgaben aus Abschnitt.
Erhältlich: Kostenfreier Download
Einführung in die Mathematik der neuronalen Netze
Wenn Sie ein angeborenes Interesse daran haben, etwas über neuronale Netze zu lernen, das sollte dein anfang sein. Der Autor dieses Buches ist Jeff Heaton. Der Autor hat die schwierigen Konzepte neuronaler Netze wunderbar vereinfacht. Dieses Buch führt Sie in die Grundlagen der Mathematik ein, die neuronalen Netzen zugrunde liegt. Es wird vorausgesetzt, dass der Leser über Vorkenntnisse in Algebra verfügt, Berechnung und Programmierung. Demonstriert verschiedene mathematische Werkzeuge, die auf neuronale Netze angewendet werden können.
Erhältlich: Bei Amazon kaufen
Fortgeschrittene Ingenieurmathematik
Dies ist wahrscheinlich das umfassendste Buch über Mathematik für Benutzer des maschinellen Lernens.. Der Autor dieses Buches ist Erwin Kreyszig. Eigentlich, Dieses Buch ist auch für Studenten sehr zu empfehlen. Wenn du bisher nicht gut in Mathe warst, Befolgen Sie dieses Buch gewissenhaft und Sie werden mit Sicherheit signifikante Verbesserungen in Ihrem Verständnis von Mathematik feststellen. Zusammen mit Leads und Praxisbeispiel, Dieses Buch hat spezielle Infinitesimal-Abschnitte, Algebra, Wahrscheinlichkeit, etc. Bestimmt, ein unverzichtbares Buch für alle Ebenen von Data Science-Profis.
Erhältlich: Kostenfreier Download
Kochbuch zu Wahrscheinlichkeit und Statistik
Dieses Kochbuch ist ein Muss in Ihrer digitalen Bibliothek. Dies ist nicht gerade ein Lehrbuch, das Sie entdecken würden, aber eine kurze digitale Anleitung zu mathematischen Gleichungen. Der Autor dieses Buches ist Matthias Vallentin. Sobald Sie mit den Grundlagen der Mathematik fertig sind,, dieses Buch hilft Ihnen, verschiedene Sätze und Algorithmen schnell mit ihren Formeln zu verbinden. Es ist schwierig, Gleichungen sofort abzuleiten, Dieses Buch hilft Ihnen, schnell zu Ihrem gewünschten Problem zu gelangen und es zu lösen.
Erhältlich: Kostenfreier Download
Zusätzliche Ressourcen
Bist du gelangweilt, zu viel zu lesen? Hier ist eine Liste mit Tutorials (Videos) / sehr empfehlenswerte Ressourcen zu Mathematik und Statistik. Sie sind KOSTENLOS zugänglich.
- Kompletter Kurs für Lineare Algebra von MIT
- Kompletter Kurs in multivariabler Infinitesimalrechnung von MIT
- Statistisches Lernen von der Stanford University
- Mathe an der Khan Academy
- Vollständiger Wahrscheinlichkeits-Spickzettel
Abschließende Anmerkungen
Die in diesem Artikel aufgeführten Bücher werden aufgrund ihrer Rezensionen und der Tiefe der behandelten Themen ausgewählt.. Dies ist keine vollständige Liste von Büchern. Aber, ich habe festgestellt, dass es fast zu einfach ist, sich beim Entscheiden zu verirren ‚wo man anfangen soll?‘ In solchen Situationen, Es ist ratsam, mit dieser Liste zu beginnen.
In diesem Artikel, Ich habe einige der nützlichsten Bücher über Statistik und maschinelles Lernen aufgelistet. Es wurde festgestellt, dass Menschen dazu neigen, diese Probleme im Streben nach schnellem Erfolg zu vernachlässigen.. Aber das ist nicht der richtige Weg. Deswegen, wenn Ihr Ziel ein langfristiger Erfolg in Data Science ist, Stellen Sie sicher, dass Sie lernen, wie man Geschichten aus Mathematik und Statistik erstellt.
Hast du eines dieser Bücher gelesen ? Welches Mathe- und Statistikbuch hat dir am meisten geholfen? Teile deine Vorschläge / Bewertungen im Kommentarbereich unten.
