기계 학습을위한 초보자 수학 책

통계 나 고급 수학에 대한 배경 지식이없는 컴퓨터 과학 엔지니어입니다.

Raschka와 Mirjalili의 Python Machine Learning 책을 공부하고 있지만 기계 학습의 수학을 이해하려고 할 때 친구 가 통계 학습의 요소를 제안하는 위대한 책을 이해할 수 없었습니다 .

기계 학습에 대한 더 쉬운 통계 및 수학 책을 알고 있습니까? 그렇지 않은 경우 어떻게 이동해야합니까?

책은 필요하지만 머신 러닝 및 데이터 과학의 다른 작업에 사용되는 통계를 이해하려면 다음 코스를 각각 추천합니다. 그들은 무료입니다.

• 통계 학습-통계 과정 소개
• 기술 통계 소개
• 추론 통계 : 통계 분석 학습

책을 추천하고 싶다면 CC 라이센스에 따라 무료로 제공되는 다음 책을 추천합니다 . 좋은 예가 있으며 실용적입니다. 또한 실제 예제에서 통계를 느끼는 데 도움이되는 많은 코드가 있습니다.

• Allen B. Downey의 Python을 생각해보십시오.

• 파이썬 데이터 과학 핸드북

또한 다음 링크가 도움이 될 수 있습니다.

• Google 자체에서 간결하고 간결함

Linear Algebra 소개 https://math.mit.edu/~gs/linearalgebra/ 는 좋은 출발점입니다. 확률 이론, 선형 대수 및 통계를 잘 활용하십시오. 깊이있는 지식은 필요하지 않지만 좋은 지식이 필요합니다.

애널리틱스에서 석사 학위를 받기 전에 선배들에게 머신 러닝 및 통계에 대해 더 많이 알기 위해이 두 권의 책을 살펴 보라고 제안했습니다.

즉:

1. SPSS / R을 통한 통계 발견-Andy Field
2. R 초보자 및 모든 사람을위한 R
3. 예측 분석-클릭, 구매, 거짓말 또는 죽을 사람을 예측하는 힘
4. 비즈니스를위한 데이터 과학 및 기타

이 책을 온라인에서 찾을 수 없으면 링크를 공유 할 것임을 알려주십시오. 드라이브에 있습니다. 이 책은 평신도 용어로 설명 된 예를 통해 통계의 기본 사항을 이해하는 데 도움이되었습니다.

온라인 코스를 찾고 있다면 좋은 코스를 제안 할 수 있습니다 (대부분 무료).

나는 당신이 수학에 얼마나 능숙하거나 학습이 멈추는 곳인지 당신의 질문에서 말할 수 없습니다. 컴퓨터 소프트웨어 엔지니어이기 때문에 대수학, 기하학 및 미적분학에 익숙하다고 가정합니다.

설명, 탐색 데이터 분석, 상관 관계, 분포 등과 같은 통계를 이해하고 개념을 이해함으로써 학습을 시작하는 것이 좋습니다. 나는 비디오보다는 책을 선호한다는 것을 알기 때문에 반쯤 만나서 온라인으로 몇 권의 책과 인쇄물로 구입할 수있는 책을 제공 할 것입니다.

우선, 통계에서 Penn State의 온라인 대학원 과정 커리큘럼을 추천합니다 . 왼쪽의 메뉴를 사용하여 각 과정을 탐색 할 수 있습니다. 강좌를 선택하면 강좌 웹 페이지를 아래로 스크롤하여 "온라인 강좌 노트"링크를 클릭하십시오. 이 강좌에 대한 강의 노트는 메모 이상의 것이지 전체 책처럼 읽습니다. 그들은 매우 유익합니다. 또한 대학원 과정에서 너무 진보 된 내용을 발견하고 "더 간단한"설명을 원하는 경우 펜 스테이트의 온라인 학부 과정 커리큘럼을 확인하십시오 .

둘째, John H. McDonald 의 생물학적 통계 핸드북을 검토하십시오 . 제목이 당신을 속이게하지 마십시오. 이 책은 모든 도메인에 적용 할 수있는 통계 및 데이터 분석에 대한 훌륭한 입문서입니다.

셋째, Gerard Dallal 의 The Little Handbook of Statistics 를 검토 하십시오. 다시, 제목이 당신을 속이게하지 마십시오; 이 책은 몇 가지 중요한 통계 기본 사항을 안내하는 또 다른 보석입니다.

넷째, Allen Downey의 Think Stats 책을 확인하십시오 . 이전 버전의 온라인에는 무료 버전이 있습니다. 가장 최근에 구매 한 에디션입니다. 파이썬에서 일하는 경우 특히 가치가 있습니다. 이 책에서 저자는 실제 데이터 (장난감) 데이터 세트를 분석하기 위해 Python을 사용하여 통계 및 데이터 분석을 가르칩니다. 이 책은 정말 훌륭한 책입니다.

마지막으로 Joel Grus의 Scratch에서 데이터 과학을 확인하십시오 . 이 책은 통계 기초가 아닌 데이터 분석에 중점을두고 기계 학습 및 모델링에 중점을 둡니다. Python (및 Python 데이터 과학 스택)을 사용하여 실제 (장난감) 데이터 세트에 대한 예측 분석을 분석하고 수행하는 과정을 안내합니다. 작업 할 또 다른 훌륭한 책.

응용 통계학 석사 과정을 밟는 동안 매우 간단한 답변을 드리겠습니다.

현대의 ML 프로그래밍 프레임 워크 대부분은 데이터 과학에서 대부분의 수학을 수행합니다. 대부분의 시나리오에서는 실제로 필요하지 않습니다. 그러나 항상 결과를 이해할 수있는 능력이 필요하며 대부분의 결과는 확률로 표시됩니다. 데이터 과학에 익숙하지 않은 경우 확률에 대한 (간단한) 과정을 밟고 비율과 백분율이 실제로 무엇을 의미하는지 이해하려고 노력한 다음 Tensorflow와 같은 프레임 워크를 실제로 잘 이해하려고 노력할 것입니다. 그렇게 할 수 있다면 정말 흥미로운 알고리즘을 작성할 수 있으며 수학에 대해 강박 관념 일 필요는 없습니다.