Praktyczna algebra liniowa dla analityków danych

Wydaje się, że z początku nie jest konieczne, aby inżynierowie czy analitycy danych dogłębnie rozumieli algebrę liniową, ponieważ mogą korzystać z gotowych narzędzi bez zgłębiania zasad ich działania. Niemniej jednak, aby w pełni wykorzystywać algorytmy w dziedzinie analizy danych i móc je adaptować według własnych potrzeb, zrozumienie nowoczesnej algebry liniowej staje się kluczowe. Najlepszym sposobem jej przyswojenia jest praktyczne podejście, w którym kod i zastosowania w analizie danych oraz symulacjach numerycznych odgrywają istotną rolę.Książka ta skierowana jest do osób pracujących z danymi, stanowiąc praktyczny poradnik po zasadniczych pojęciach algebry liniowej, które zostały opracowane w sposób ułatwiający ich zrozumienie i aplikację w praktycznych obliczeniach. Tematy są ilustrowane za pomocą przykładów w języku Python, uwzględniających ich zastosowania w dziedzinach takich jak nauka o danych, uczenie maszynowe, uczenie głębokie, symulacje czy przetwarzanie danych biomedycznych. Dzięki tej książce nauczysz się operacji na macierzach, poznasz ważne dekompozycje macierzy takie jak LU i QR oraz dekompozycję według wartości osobliwych. Zrozumiesz też kwestie takie jak metoda najmniejszych kwadratów oraz analiza głównych składowych.