Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики | Math for Data Science. Managing Data Using Linear Algebra, Probability Theory, and Statistics

Математика для Data Science. Управляем данными с помощью линейной алгебры, теории вероятностей и статистики

Обзор

Данное издание предлагает читателям освоить фундаментальный математический аппарат, необходимый для успешной работы в сфере data science, статистики и машинного обучения. Под руководством автора Томаса Нилда читатели смогут детально разобраться в таких дисциплинах, как линейная алгебра, математический анализ, теория вероятностей и статистика. Книга объясняет, как применять полученные теоретические знания на практике в контексте нейронных сетей, а также линейной и логистической регрессии. В процессе чтения материал раскрывает особенности современной области data science и демонстрирует способы использования знаний для карьерного роста. Книга издана в 2026 году издательством Спринт Бук в серии O'Reilly и содержит 352 страницы в мягкой обложке.

Кому подойдёт

• Начинающие и практикующие специалисты в области data science
• Специалисты по машинному обучению и статистике
• Читатели старше 16 лет, стремящиеся развить карьеру с помощью математических методов
• Все, кто хочет освоить линейную алгебру, анализ и теорию вероятностей для работы с данными

Ключевые особенности

• Автор: Томас Нилд
• Издательство: Спринт Бук
• Серия: O'Reilly
• Год издания: 2026
• Объем: 352 страницы
• Тип обложки: мягкая обложка

Math for Data Science. Managing Data Using Linear Algebra, Probability Theory, and Statistics

Overview

This publication invites readers to master the fundamental mathematical apparatus required for successful work in data science, statistics, and machine learning. Under the guidance of author Thomas Nield, readers will thoroughly examine disciplines such as linear algebra, calculus, probability theory, and statistics. The book explains how to apply theoretical knowledge in practice within the context of neural networks, as well as linear and logistic regression. Along the way, the material highlights the characteristics of the modern data science field and demonstrates ways to utilize these insights for career advancement. Published in 2026 by Sprint Book within the O'Reilly series, the softcover edition spans 352 pages.

Who it's for

• Beginner and practicing data science professionals
• Machine learning and statistics specialists
• Readers aged 16 and older seeking to advance their careers using mathematical methods
• Anyone looking to master linear algebra, calculus, and probability theory for working with data

Key features

• Author: Thomas Nield
• Publisher: Sprint Book
• Series: O'Reilly
• Publication Year: 2026
• Page Count: 352 pages
• Binding: softcover