Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Linear Algebra with Machine Learning and Data
Dieses Buch bietet einen tiefen Einblick in verschiedene Schlüsselthemen der linearen Algebra, wie sie in der Datenanalyse und im Data Mining Anwendung finden. Das Buch bietet einen Fallstudienansatz, bei dem jeder Fall in einer realen Anwendung verankert ist.
Dieser Text ist für einen zweiten Kurs über Anwendungen der linearen Algebra in der Datenanalyse gedacht, mit einem ergänzenden Kapitel über Entscheidungsbäume und ihre Anwendungen in der Regressionsanalyse. Der Text kann in zwei verschiedenen, aber sich überschneidenden allgemeinen Datenanalysekategorien betrachtet werden: Clustering und Interpolation. Die Kenntnis der mathematischen Techniken im Zusammenhang mit der Datenanalyse und die Interpretation der Ergebnisse in einem Datenanalysekontext sind besonders wertvoll für Studenten, die Mathematik im Grundstudium studieren.
Jedes Kapitel dieses Textes führt den Leser durch mehrere relevante Fallstudien mit realen Daten. Alle Datensätze sowie die Python- und R-Syntax werden dem Leser über Links zur Github-Dokumentation zur Verfügung gestellt.
Nach jedem Kapitel folgt eine kurze Übung, in der die Studierenden aufgefordert werden, ihr wachsendes Wissen über lineare Algebra in der Datenanalyse mit Hilfe von Technologien anzuwenden. Grundlegende Kenntnisse der Konzepte eines ersten Kurses in linearer Algebra werden vorausgesetzt, ein Überblick über die wichtigsten Konzepte wird jedoch in der Einleitung und bei Bedarf im gesamten Text gegeben.
| ISBN: | 9780367458393 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2023 |
| Seitenzahl: | 290 |
Derzeit verfügbar, auf Lager.
