Mathematical Methods in Data Science
Bridging Theory and Applications with Python
Sorozatcím: Cambridge Mathematical Textbooks;
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 120.00
-
57 330 Ft (54 600 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 5 733 Ft off)
- Kedvezményes ár 51 597 Ft (49 140 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
57 330 Ft
Beszerezhetőség
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Cambridge University Press
- Megjelenés dátuma 2025. október 30.
- ISBN 9781009509459
- Kötéstípus Keménykötés
- Terjedelem582 oldal
- Méret 254x178x32 mm
- Súly 1345 g
- Nyelv angol 691
Kategóriák
Rövid leírás:
Explore the mathematics of data science with this advanced undergraduate and graduate text integrating theory with applications in Python.
TöbbHosszú leírás:
Bridge the gap between theoretical concepts and their practical applications with this rigorous introduction to the mathematics underpinning data science. It covers essential topics in linear algebra, calculus and optimization, and probability and statistics, demonstrating their relevance in the context of data analysis. Key application topics include clustering, regression, classification, dimensionality reduction, network analysis, and neural networks. What sets this text apart is its focus on hands-on learning. Each chapter combines mathematical insights with practical examples, using Python to implement algorithms and solve problems. Self-assessment quizzes, warm-up exercises and theoretical problems foster both mathematical understanding and computational skills. Designed for advanced undergraduate students and beginning graduate students, this textbook serves as both an invitation to data science for mathematics majors and as a deeper excursion into mathematics for data science students.
'Mathematical Methods in Data Science provides a clear and accessible primer on key concepts central to data science and machine learning. Through engaging examples from neural networks, recommender systems, and data visualization, Roch illuminates myriad foundational topics and methods. Designed for readers from a broad range of backgrounds, this text is an indispensable resource for students and professionals.' Rebecca Willett, University of Chicago
Tartalomjegyzék:
1. Introduction: a first data science problem; 2. Least squares: geometric, algebraic, and numerical aspects; 3. Optimization theory and algorithms; 4. Singular value decomposition; 5. Spectral graph theory; 6. Probabilistic models: from simple to complex; 7. Random walks on graphs and Markov chains; 8. Neural networks, backpropagation and stochastic gradient descent.
Több
