کتاب ریاضیات پایه برای علوم داده

کتاب ریاضیات پایه برای علوم داده نوشتۀ توماس نیلد با ترجمۀ فاضله توسلیان و امین نظری در انتشارات آتی نگر به چاپ رسیده است.

درباره کتاب ریاضیات پایه برای علوم داده

بدون شک فهم بنیادی هر علمی و فلسفۀ آن می‌توان به درک، یافتن مهارت و پیشرفت در آن کمک زیادی بکند. ورود به حوزۀ علم داده و یا کار کردن در آن بدون شناخت ریاضیات علم داده منجر به فهم نادرستی از موضوعات مرتبط با علم داده‌ها می‌شود. کتاب ریاضیات پایه برای علوم داده خواننده را با برخی حوزه‌های ریاضی مانند حساب دیفرانسیل و انتگرال، احتمال، جبرخطی و آمار آشنا می‌کند و منبعی مفید و کامل است که مفاهیم و ابزارهای ریاضیاتی مورد نیاز برای کار در حوزۀ علم داده را توضیح می‌دهد.

کتاب ریاضیات پایه برای علوم داده همچنین منبع مناسبی برای کسانی است که می‌خواهند به دنیای در حال گسترش هوش مصنوعی، یادگیری ماشین و علوم داده قدم بگذارند. خواننده در این کتاب ریاضیات پشت برخی از الگوریتم‌های اساسی یادگیری ماشین را فراخواهد گرفت و می‌تواند نحوۀ پیاده‌سازی این الگوریتم‌ها را در زبان پایتون بیاموزد. کتاب زبانی ساده و روایت‌گونه دارد و مترجمان به جای مثال‌های کتاب که از فیلم، سریال یا مسابقه‌ای خاص در آمریکا هستند از مثال‌های ملموس برای خوانندۀ فارسی‌زبان استفاده کرده‌اند. همچنین بخش‌های جدیدی به متن اصلی افزوده شده تا خوانندگان با مطالب به‌روزتر و مسائل پیچیده‌تر آشنا شوند. آنچه در این کتاب می‌آموزید به این شرح است: مفاهیم پایه‌ای ریاضی شامل‌ آمار توصیفی، احتمالات و آمار استنباطی؛ جبر خطی و کاربردهای آن در یادگیری ماشین و کاهش ابعاد داده؛ کاربرد حساب دیفرانسیل و انتگرال در بهینه‌سازی و مدل‌سازی داده؛ روش‌های محاسبۀ مشتق، خطای گرادیان، بیشینه‌سازی و کمینه‌سازی؛ مفاهیم نظریۀ گراف در شبکه‌های اجتماعی و دیگر مسائل گراف‌محور؛ مفاهیم پیشرفته‌تر مانند توابع تصادفی و مسائل بهینه‌سازی غیرخطی.

خواندن ریاضیات پایه برای علوم داده را به چه کسانی پیشنهاد می‌کنیم

به دوستداران برنامه‌نویسی، ریاضیات و کامپیوتر پیشنهاد می‌کنیم.

بخشی از کتاب ریاضیات پایه برای علوم داده

«خیلی راحت می‌شود باور کرد که کامپیوترها از ما باهوش‌تر هستند (این ایده مدام تبلیغ می‌شد)، اما واقعیت کاملاً برعکس است. این شکاف [بین درک ما و توانایی کامپیوترها] می‌تواند در سطوح زیادی خطرناک باشد. واقعاً می‌خواهید الگوریتمی یا هوش مصنوعی حکم‌های قضایی صادر کند یا پشت فرمان بنشیند، اما هیچ کس، حتی سازنده‌اش، نتواند توضیح بدهد چرا به یک تصمیم خاص رسیده است؟ این کار فقط زمانی می‌تواند شروع شود که جعبه سیاه را باز کنیم و ریاضیات پشت آن را کشف کنیم.»