データサイエンスの専門家にとって、数学の次の分野は重要です。
- 統計;
- 確率論;
- 数学的分析;
- 線形代数。
前の記事「データサイエンス：エントリーレベルの書籍」で、 Plarium Krasnodarの専門家はPythonプログラミングに関する文献、および結果の視覚化と機械学習を推奨しました。 この記事では、データサイエンスに役立つ数学教材と書籍を提供しています。
統計と確率論
どのレベルでも、データサイエンティストにとって統計の知識の重要性を過大評価することは困難です。 すべての古典的な機械学習は、統計学習に基づいています。 さらに、標準のA / Bテストはそれに基づいています。
インスピレーションの源：
統計のすべて
ラリー・ワッサーマン
著者が書いているように、「この本は、確率と統計を素早く学びたい人向けです。」
本は、確率論と統計のすべての基本的な規定を与えます。
統計の基礎（3部）
Stepik教育プラットフォーム
初心者向けの統計コース。 すべての基本的な概念をカバーしています。
統計の基礎簡潔にキャサリン
アレクシス・コルマニク
この本は、以前の記事ですでに推奨されていますが、繰り返してもおかしくありません。 :-)
最初のセクションでは、図とコメントを含む基本的な定義を示し、最後のセクションでは、T検定とZ検定の重要性を明らかにします。 資料は、必要最小限の数学的装置を備えたアクセス可能な言語で提示されます。 このガイドは、実用的な観点からの統計の優れた入門書です。
確率論と数学的統計
N. Sh。クレマー
教科書は経済学者を対象としているため、概念の複雑さと深さはデータサイエンスの初心者に衝撃を与えません。 専門的な文献に飛び込む前に基礎を学ぶのに適しています。
確率論と数学的統計
A.I.キブズン、E.R。ゴリャイノバ、A.V。ナウモフ、A.N。シロチン
この基本コースは、前のコースよりも深い洞察を提供します。 を除く
理論には実践的な演習と参考資料が含まれています。
確率論と数学統計の基本概念
M. Ya。Kelbert、Yu。M. Sukhov
すでにトピックに精通しており、より深い知識を取得したい人のための素晴らしいオプション。
数学的分析
一見したところ、この方向は大学の壁の中でより必要とされていますが、それなしでは、バックプロパゲーションに対処したり、質的な方法でディープラーニングコースをマスターしたりすることはできません。
統計のギャップを埋めて、このセクションの資料の勉強を始めましょう。 そして、それらの非常に多くがあります。
微積分
edX
マサチューセッツ工科大学のコースは、次の3つの部分で構成されています。
- 微積分1A：微分-導関数、その幾何学的解釈および物理的意味を見つけるためのコース。
- 微積分1B：積分-積分の発見、微分との関係、工学設計、科学分析、確率論、統計の応用に関するコース。
- 微積分1C：座標系と無限級数-曲線、座標系の計算、多項式および無限級数への関数の近似に関するコース。 これはすべて、現実世界の数学モデルを構築するために必要です。
微積分1
教育プラットフォームCoursera
このコースは初心者を対象としていますが、資料の便利なプレゼンテーションは、経験豊富なデータサイエンティストの記憶をリフレッシュするのに役立ちます。
カーンアカデミー
教育プラットフォーム
リソースで提示されるさまざまな資料は、数学、プログラミング、コンピューターサイエンスの研究を始めるのに最適です。
微積分
ジェームズ・スチュワート
この本は、慎重に設計されたコンテンツとかなりシンプルな言語で有名です。
数理解析コース
L. D.クドリャフツェフ
微分および積分計算、級数理論、関数解析および調和解析に関するより基本的な知識を取得したい人向け。
MITの2つのコースにも注意を払うことができます。
線形代数
数学のこのセクションがないと、機械学習法の開発、さまざまなオブジェクトの動作のシミュレーション、クラスタリングプロセスの最適化、データ記述の次元の削減ができなくなります。
線形代数
ゲオルギ・E・シロフ
教科書にはよく発達した資料が含まれています。 この本は、線形代数の入門コースを勉強するのに適しています。
線形代数
V. A.イリーイン、E。G.ポズニャック
この教科書は、モスクワ州立大学の物理学部の教師による講義に基づいて書かれています。 すべての資料はアクセシブルな言語で提示されており、線形代数の基本理論の詳細な研究に適しています。
最後に、別の推奨事項はMIT 線形代数トレーニングコースです。 彼は行列の理論と線形代数の位置を明らかにします。