@토머스닐스 개발자 필수수학 - 파이썬

BIBLIOGRAPHY

토머스 닐드. 2024. 개발자를 위한 필수 수학 - 기초 수학으로 시작하는 데이터 과학 첫걸음. Translated by 박해선. https://www.yes24.com/Product/Goods/126804246.

Related-Notes

• @조엘그루스 밑바닥부터 데이터과학 - 파이썬 이 책이 좋아.

내보내기 방법

• worg/ob-doc-python 파이썬 코드블록 이미지 출력
• @ emacs-jupyter 이맥스 파이썬 주피터 프로그래밍 환경

개발자를 위한 필수 수학 - 기초 수학으로 시작하는 데이터 과학 첫걸음

• (토머스 닐드 2024)
• 토머스 닐드 박해선
• 개발자를 구원하는 실용 수학 안내서기초 수학부터 회귀 모델, 신경망 그리고 진로 조언까지 데이터 과학, 머신러닝, 통계학에서 탁월한 능력을 발휘하는 데 필요한 수학을 이해하고 여러분의 것으로 만들어보자. 이 책에서는 미적분, 확률, 통계, 선형대수학을 설명하고…
• Essential Math for Data Science

코드 및 이맥스 코딩 환경 구성

• https://github.com/rickiepark/math4ds : 주피터 박해선 번역자 <개발자를 위한 필수 수학>(한빛미디어, 2024)의 코드 저장소
• tensorflow.blog/math4ds/
• https://github.com/thomasnield/oreilly_essential_math_for_data_science_book : 파이썬 코드

북마크 등록

git@github.com:rickiepark/math4ds.git
git@github.com:thomasnield/oreilly_essential_math_for_data_science_book.git

• #리터레이트 #프로그래밍 #이맥스 콰르토 주피터

python --version

M-x conda-env-activate -> pydata

Python 3.10.14

print("Hello World!")

Hello World!

1장 기초 수학과 미적분

• 1.1 정수론
• 1.2 연산 순서
• 1.3 변수
• 1.4 함수
• 1.5 합계
• 1.6 거듭제곱
• 1.7 로그
• 1.8 오일러 수와 자연로그
• 1.9 극한
• 1.10 미분
• 1.11 적분
• 1.12 마치며

2장 확률

_2.1 확률 이해하기

_2.2 확률 계산

_2.3 이항 분포

_2.4 베타 분포

_2.5 마치며

3장 기술 통계와 추론 통계

_3.1 데이터란 무엇인가요?

_3.2 기술 통계와 추론 통계

_3.3 모집단, 표본, 편향

_3.4 기술 통계

_3.5 추론 통계

_3.6 t 분포: 소규모 표본 처리

_3.7 빅 데이터 고려 사항과 텍사스 명사수 오류

_3.8 마치며

4장 선형대수학

_4.1 벡터란 무엇인가요?

_4.2 선형 변환

_4.3 행렬 곱셈

_4.4 행렬식

_4.5 특수 행렬

_4.6 연립 방정식과 역행렬

_4.7 고유 벡터와 고윳값

_4.8 마치며

5장 선형 회귀

_5.1 기본 선형 회귀

_5.2 잔차와 제곱 오차

_5.3 최적의 직선 찾기

_5.4 과대적합 및 분산

_5.5 확률적 경사 하강법

_5.6 상관 계수

_5.7 통계적 유의성

_5.8 결정 계수

_5.9 추정 표준 오차

_5.10 예측 구간

_5.11 훈련/테스트 분할

_5.12 다중 선형 회귀

_5.13 마치며

6장 로지스틱 회귀와 분류

_6.1 로지스틱 회귀 이해하기

_6.2 로지스틱 회귀 수행하기

_6.3 다변수 로지스틱 회귀

_6.4 로그 오즈 이해하기

_6.5 R2

_6.6 p 값

_6.7 훈련/테스트 분할

_6.8 오차 행렬

_6.9 베이즈 정리와 분류

_6.10 ROC 곡선과 AUC

_6.11 클래스 불균형

_6.12 마치며

7장 신경망

_7.1 언제 신경망과 딥러닝을 사용할까요?

_7.2 간단한 신경망

_7.3 역전파

_7.4 사이킷런 사용하기

_7.5 신경망과 딥러닝의 한계

_7.6 마치며

8장 경력 조언과 앞으로의 진로

_8.1 데이터 과학의 재정의

_8.2 데이터 과학의 간략한 역사

_8.3 나만의 강점 찾기

_8.4 데이터 과학 직무에서 주의해야 할 사항

_8.5 꿈의 직업이 존재하지 않나요?

_8.6 이제 어디로 가야 하나요?

_8.7 마치며

부록 A 보충 학습

A.1 심파이로 수학식 표현하기

A.2 밑바닥부터 이항 분포 구현하기

A.3 밑바닥부터 베타 분포 구현하기

A.4 베이즈 정리 유도하기

A.5 밑바닥부터 CDF와 역CDF 구현하기

A.6 e를 사용해 시간 경과에 따른 사건 확률 예측하기

A.7 언덕 오르기와 선형 회귀

A.8 언덕 오르기와 로지스틱 회귀

A.9 선형 계획법에 대한 간략한 소개

A.10 사이킷런을 사용한 MNIST 분류기

워크북