Introdução
O processo de seleção de cientistas de dados no Google prioriza candidatos com uma sólida formação em estatística e matemática. Sem Google solo, outras grandes empresas (Amazonas, Airbnb, Uber, etc.) em todo o mundo também preferem candidatos com fundamentos sólidos, em vez de simples conhecimento de ciência de dados.
Se você também deseja trabalhar para empresas tão importantes no futuro, é essencial que você desenvolva uma compreensão matemática da ciência de dados. A ciência de dados é simplesmente a versão evoluída da estatística e da matemática, combinado com programação e lógica de negócios. Eu conheci muitos cientistas de dados que lutam para explicar modelos preditivos estatisticamente.
Mais do que apenas derivar precisão, compreender e interpretar cada métrica, o cálculo por trás dessa precisão é importante. Lembrar, cada 'variável’ tem uma história para contar. Assim que, se não for outra coisa, Tente se tornar um grande explorador de histórias!
Neste artigo, Eu compilei uma lista de livros de leitura obrigatória sobre estatística e matemática. eu entendo, matemática não tem extremos. Portanto, Incluí apenas os livros que ajudarão você a se conectar melhor com a ciência de dados.
Observação: Este artigo menciona livros cujo acesso é gratuito pelas autoridades registradas.. Pelo contrário, um link para a livraria Amazon é fornecido.
Estatisticas
Introdução à aprendizagem estatística
Este é um livro altamente recomendado para cientistas de dados praticantes. O foco desses livros permanece em conectar o conceito de estatística ao aprendizado de máquina.. Portanto, aprender sobre todos os algoritmos de aprendizado de máquina supervisionados e não supervisionados. Os usuários R terão uma vantagem inicial, uma vez que os aspectos práticos dos algoritmos foram demonstrados usando R. Além da teoria, Este livro também enfatiza o uso de algoritmos de ML em configurações da vida real..
Disponível: Descarga grátis
Elementos de aprendizagem estatística
Este livro é um nível avançado do livro anterior. Foi escrito por Trevor Hastie e Rob Tibshirani, Professores da Universidade de Stanford. O primeiro livro dele, 'Introdução à aprendizagem estatística', descubra os fundamentos de estatística e aprendizado de máquina. Este livro irá apresentá-lo a algoritmos de nível superior, como redes neurais, ensacamento e reforço, métodos do kernel, etc. Os algoritmos foram implementados na programação R.
Disponível: Descarga grátis
Pense nas estatísticas
O autor deste livro é Alien B Downey. Baseia-se na realização de análises estatísticas praticamente em Python. Portanto, certifique-se de ter algum conhecimento básico de Python antes de comprar este livro. Concentra-se totalmente na compreensão da influência das estatísticas na vida real usando estudos de caso populares. Uma vez que estatística e matemática estão intimamente relacionadas, também tem capítulos dedicados a tópicos como estimativa bayesiana.
Disponível: Compre na Amazon
De algoritmos a pontuações Z
Você sabia sobre o papel crucial das estatísticas na programação? O autor deste livro é Norm Matloff, professor da Universidade da Califórnia. Este livro explica o uso de conceitos probabilísticos e medidas estatísticas em R. Mais uma vez, uma fonte de boas práticas para usuários R. Ensina a arte de lidar com modelos probabilísticos e escolher o melhor para a avaliação final. É um livro altamente recomendado (especialmente para usuários R).
Disponível: Descarga grátis
Introdução à Estatística Bayesiana
Este é um livro altamente recomendado para iniciantes em ciência de dados. O autor deste livro é William M Bolstad. É uma leitura obrigatória para pessoas que acham matemática chata. Tendo sido escrito em um estilo coloquial (raro encontrar matemática desta forma), este livro é um ótimo recurso introdutório sobre estatísticas. Ele começa com métodos científicos de coleta de dados e termina com capítulos dedicados à estatística bayesiana..
Disponível: Descarga grátis
Descobrindo estatísticas usando R
Este livro foi escrito por Andy Field, Jeremy Miles e Zoe Field. Eu recomendaria altamente este livro para iniciantes em ciência de dados. Para começar com as estatísticas, Este livro tem um ótimo conteúdo que investiga os detalhes de seus tópicos. Junto com, o conceito estatístico é explicado junto com R, o que o torna ainda mais útil. Oferece uma compreensão passo a passo, com suporte paralelo de exemplos práticos interessantes.
Disponível: Compre na Amazon
Matemática
Introdução à álgebra linear
Este é um dos livros mais recomendados sobre álgebra linear. O autor deste livro é Gilbert Strang, professor, COM. A maneira única de Gilbert transmitir conhecimento daria a ele a intuição e o entusiasmo para seguir em frente após cada capítulo.. Este livro o ajudará a construir uma base matemática sólida para o aprendizado de máquina.. Liste todos os capítulos necessários, como vetores, equações lineares, determinantes, autovalores, fatoração de matriz, etc. em grande profundidade.
Disponível: Compre na Amazon
Computação matricial
Matrizes e frames de dados são componentes essenciais do aprendizado de máquina. O autor deste livro é Gene H Golub e Charles F Van Loan. Este livro oferece uma boa vantagem aos alunos com os conceitos de cálculos matriciais. O autor cobre a maioria dos tópicos importantes, como a eliminação de Gauss, fatoração de matriz, o método lancoz, erro de análise, etc. Cada capítulo é apoiado por problemas práticos intuitivos. Os pseudocódigos estão disponíveis no Matlab.
Disponível: Descarga grátis
Uma teoria probabilística de reconhecimento de padrões
Este é um recurso completo para aprender a aplicação da matemática. Este é um livro de leitura obrigatória para profissionais de aprendizado de máquina intermediários e avançados. Este livro foi escrito por Luc Devroye, Laszlo Gyorfi y Gabor Lugosi. Abrange uma ampla variedade de tópicos, de bug a bayes, discriminação linear até entropia épsilon e redes neurais. Fornece uma explicação convincente de teoremas complexos com problemas de prática inteligente da seção.
Disponível: Descarga grátis
Introdução à matemática da rede neural
Se você tem um interesse inato em aprender sobre redes neurais, este deve ser o seu lugar para começar. O autor deste livro é Jeff Heaton. O autor simplificou maravilhosamente os conceitos difíceis de redes neurais. Este livro apresenta os fundamentos da matemática subjacente às redes neurais. Presume-se que o leitor tenha conhecimento prévio de álgebra, cálculo e programação. Demonstra várias ferramentas matemáticas que podem ser aplicadas a redes neurais.
Disponível: Compre na Amazon
Engenharia Matemática Avançada
Este é provavelmente o livro mais abrangente disponível sobre matemática para usuários de aprendizado de máquina.. O autor deste livro é Erwin Kreyszig. De fato, Este livro também é altamente recomendado para estudantes universitários. Se você não foi bom em matemática até agora, siga este livro religiosamente e com certeza verá melhorias significativas em sua compreensão da matemática. Junto com leads e exemplos de prática, este livro tem seções de cálculo dedicadas, álgebra, probabilidade, etc. Com certeza, um livro de leitura obrigatória para todos os níveis de profissionais de ciência de dados.
Disponível: Descarga grátis
Livro de receitas sobre probabilidade e estatística
Este livro de receitas é obrigatório em sua biblioteca digital. Este não é exatamente um livro que você descobriria, mas um guia digital rápido para equações matemáticas. O autor deste livro é Matthias Vallentin. Assim que terminar com os fundamentos da matemática, este livro o ajudará a conectar vários teoremas e algoritmos rapidamente com suas fórmulas. É difícil derivar equações instantaneamente, este livro o ajudará a navegar rapidamente até o problema desejado e a resolvê-lo.
Disponível: Descarga grátis
Recursos adicionais
Você está entediado de ler muito? Aqui está uma lista de tutoriais (videos) / recursos altamente recomendados em matemática e estatística. Eles são GRATUITOS para acessar.
- Curso Completo de Álgebra Linear pelo MIT
- Curso completo de cálculo multivariável pelo MIT
- Aprendizado Estatístico da Universidade de Stanford
- Matemática na Khan Academy
- Folha de referência de probabilidade completa
Notas finais
Os livros listados neste artigo são selecionados com base em suas resenhas e na profundidade dos tópicos cobertos.. Esta não é uma lista exaustiva de livros. Mas, Achei quase muito fácil ficar confuso ao decidir 'por onde começar?’ Em tais situações, é aconselhável começar com esta lista.
Neste artigo, Listei alguns dos livros mais úteis sobre estatística e aprendizado de máquina. Descobriu-se que as pessoas tendem a negligenciar essas questões em busca de sucesso rápido.. Mas esse não é o caminho certo. Portanto, se o seu objetivo é o sucesso a longo prazo na ciência de dados, certifique-se de aprender como criar histórias de matemática e estatística.
Você leu algum desses livros? ? Qual livro de matemática e estatística mais o ajudou? Compartilhe suas sugestões / comentários na seção de comentários abaixo.
