《数据科学基础数学：使用基本线性代数、概率和统计控制数据（Essential Math for Data Science: Take Control of Your Data with Fundamental Linear Algebra, Probability, and Statistics）》

要在数据科学领域取得成功，您需要一定的数学能力。但不仅仅是任何数学。这本常识性指南提供了清晰、简单的英语调查，介绍了数据科学所需的数学知识，包括概率、统计学、假设检验、线性代数、机器学习和微积分。Python 代码的实际示例将帮助您了解数学如何应用于您将要做的工作，从而清楚地了解概念在后台的工作方式，同时将它们连接到机器学习等应用程序。您将获得数据科学必不可少的数学基础，但更重要的是，您将能够使用它来： 识别概率数学的细微差别和陷阱 掌握统计和假设检验（并避免常见的陷阱） 发现概率、统计、微积分和机器学习的实际应用 直观地将线性代数理解为空间的变换， 不仅仅是数字网格被乘以和相加 在 Python 中完全从头开始执行微积分导数和积分，并将所学知识应用于机器学习，包括线性回归、逻辑回归和神经网络等知识；