- عنوان کتاب: Linear Algebra for Data Science with Python
- نویسنده: John M. Shea
- حوزه: برنامه نویسی ریاضیات, جبر خطی
- سال انتشار: 2025
- تعداد صفحه: 478
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 16.7 مگابایت
جبر خطی برای علم داده با پایتون مقدمهای بر بردارها و ماتریسها در چارچوب علم داده ارائه میدهد. این کتاب از اصول بردارها و نحوه استفاده از بردارها برای مدلسازی دادهها شروع میکند، به ماتریسها و عملیات آنها میپردازد و سپس کاربردهای ماتریسها و بردارها را در برازش دادهها، تبدیل دادههای سری زمانی به حوزه فرکانس و کاهش ابعاد بررسی میکند. این کتاب از یک رویکرد محاسباتی استفاده میکند: خواننده یاد میگیرد که چگونه از پایتون و کتابخانههای مرتبط با علم داده برای کار با بردارها و ماتریسها و عملیات آنها و تجسم آنها و همچنین وارد کردن دادهها برای اعمال این تکنیکها استفاده کند. خوانندگان اصول اولیه انجام عملیات برداری و ماتریسی را به صورت دستی یاد میگیرند، اما همچنین نحوه استفاده از چندین کتابخانه مختلف پایتون برای انجام این عملیات را نیز نشان میدهند.
Linear Algebra for Data Science with Python provides an introduction to vectors and matrices within the context of data science. This book starts from the fundamentals of vectors and how vectors are used to model data, builds up to matrices and their operations, and then considers applications of matrices and vectors to data fitting, transforming time-series data into the frequency domain, and dimensionality reduction. This book uses a computational-first approach: the reader will learn how to use Python and the associated data-science libraries to work with and visualize vectors and matrices and their operations, as well as to import data to apply these techniques. Readers learn the basics of performing vector and matrix operations by hand but are also shown how to use several different Python libraries for performing these operations.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

نظرات کاربران