본문내용 바로가기
무료배송 소득공제

[Book] Data Science and Machine Learning Mathematical and Statistical Methods

Hardcover
  • 정가 : 59,000원
    판매가 : 59,000 [0%↓ 0원 할인] 할인쿠폰 받기
  • 통합포인트 :
    [기본적립] 1,770원 적립 [3% 적립] [추가적립] 5만원 이상 구매 시 2천원 추가적립 안내 [회원혜택] 실버등급 이상, 3만원 이상 구매 시 2~4% 추가적립 안내
  • 추가혜택 : 포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 일시품절(알림메일 받기를 신청하면 정상유통시 알려드립니다.)

알립니다.

  • 외국도서의 경우 해외제공정보로만 서비스되어 미표기된 정보가 있을 수 있습니다. 필요한 정보가 있을경우 1:1 문의게시판 을 이용하여 주십시오.
상품상세정보
ISBN 9781138492530(1138492531)
쪽수 532쪽
언어 English
크기 220(W) X 285(H) X 34(T) (mm)
제본형태 Hardcover-Hardcover
총권수 1권

책소개

이 책이 속한 분야

"This textbook is a well-rounded, rigorous, and informative work presenting the mathematics behind modern machine learning techniques. It hits all the right notes: the choice of topics is up-to-date and perfect for a course on data science for mathematics students at the advanced undergraduate or early graduate level. This book fills a sorely-needed gap in the existing literature by not sacrificing depth for breadth, presenting proofs of major theorems and subsequent derivations, as well as providing a copious amount of Python code. I only wish a book like this had been around when I first began my journey!" -Nicholas Hoell, University of Toronto

"This is a well-written book that provides a deeper dive into data-scientific methods than many introductory texts. The writing is clear, and the text logically builds up regularization, classification, and decision trees. Compared to its probable competitors, it carves out a unique niche. -Adam Loy, Carleton College

The purpose of Data Science and Machine Learning: Mathematical and Statistical Methods is to provide an accessible, yet comprehensive textbook intended for students interested in gaining a better understanding of the mathematics and statistics that underpin the rich variety of ideas and machine learning algorithms in data science.

목차

Preface Notation Importing, Summarizing, and Visualizing Data Introduction Structuring Features According to Type Summary Tables Summary Statistics Visualizing Data Plotting Qualitative Variables Plotting Quantitative Variables Data Visualization in a Bivariate Setting Exercises Statistical Learning Introduction Supervised and Unsupervised Learning Training and Test Loss Tradeoffs in Statistical Learning Estimating Risk In-Sample Risk Cross-Validation Modeling Data Multivariate Normal Models Normal Linear Models Bayesian Learning Exercises Monte Carlo Methods Introduction .Monte Carlo Sampling Generating Random Numbers Simulating Random Variables Simulating Random Vectors and Processes Resampling Markov Chain Monte Carlo Monte Carlo Estimation Crude Monte Carlo Bootstrap Method Variance Reduction Monte Carlo for Optimization Simulated Annealing Cross-Entropy Method Splitting for Optimization Noisy Optimization Exercises Unsupervised Learning Introduction Risk and Loss in Unsupervised Learning Expectation-Maximization (EM) Algorithm Empirical Distribution and Density Estimation Clustering via Mixture Models Mixture Models EM Algorithm for Mixture Models Clustering via Vector Quantization K-Means Clustering via Continuous Multiextremal Optimization Hierarchical Clustering Principal Component Analysis (PCA) Motivation: Principal Axes of an Ellipsoid PCA and Singular Value Decomposition (SVD) Exercises Regression Introduction Linear Regression Analysis via Linear Models Parameter Estimation Model Selection and Prediction Cross-Validation and Predictive Residual Sum of Squares In-Sample Risk and Akaike Information Criterion Categorical Features Nested Models Coefficient of Determination Inference for Normal Linear Models Comparing Two Normal Linear Models Confidence and Prediction Intervals Nonlinear Regression Models Linear Models in Python Modeling Analysis Analysis of Variance (ANOVA) Confidence and Prediction Intervals Model Validation Variable Selection Generalized Linear Models Exercises Regularization and Kernel Methods Introduction Regularization Reproducing Kernel Hilbert Spaces Construction of Reproducing Kernels Reproducing Kernels via Feature Mapping Kernels from Characteristic Functions Reproducing Kernels Using Orthonormal Features Kernels from Kernels Representer Theorem Smoothing Cubic Splines Gaussian Process Regression Kernel PCA Exercises Classification Introduction Classification Metrics Classification via Bayes' Rule Linear and Quadratic Discriminant Analysis Logistic Regression and Softmax Classification K-nearest Neighbors Classification Support Vector Machine Classification with Scikit-Learn Exercises Decision Trees and Ensemble Methods Introduction Top-Down Construction of Decision Trees Regional Prediction Functions Splitting Rules Termination Criterion Basic Implementation Additional Considerations Binary Versus Non-Binary Trees Data Preprocessing Alternative Splitting Rules Categorical Variables Missing Values Controlling the Tree Shape Cost-Complexity Pruning Advantages and Limitations of Decision Trees Bootstrap Aggregation Random Forests Boosting Exercises Deep Learning Introduction Feed-Forward Neural Networks Back-Propagation Methods for Training Steepest Descent Levenberg-Marquardt Method Limited-Memory BFGS Method Adaptive Gradient Methods Examples in Python Simple Polynomial Regression Image Classification Exercises Linear Algebra and Functional Analysis Vector Spaces, Bases, and Matrices Inner Product Complex Vectors and Matrices Orthogonal Projections Eigenvalues and Eigenvectors Left- and Right-Eigenvectors Matrix Decompositions (P)LU Decomposition Woodbury Identity Cholesky Decomposition QR Decomposition and the Gram-Schmidt Procedure Singular Value Decomposition Solving Structured Matrix Equations Functional Analysis Fourier Transforms Discrete Fourier Transform Fast Fourier Transform Multivariate Differentiation and Optimization Multivariate Differentiation Taylor Expansion Chain Rule Optimization Theory Convexity and Optimization Lagrangian Method Duality Numerical Root-Finding and Minimization Newton-Like Methods Quasi-Newton Methods Normal Approximation Method Nonlinear Least Squares Constrained Minimization via Penalty Functions Probability and Statistics Random Experiments and Probability Spaces Random Variables and Probability Distributions Expectation Joint Distributions Conditioning and Independence Conditional Probability Independence Expectation and Covariance Conditional Density and Conditional Expectation Functions of Random Variables Multivariate Normal Distribution Convergence of Random Variables Law of Large Numbers and Central Limit Theorem Markov Chains Statistics Estimation Method of Moments Maximum Likelihood Method Confidence Intervals Hypothesis Testing Python Primer Getting Started Python Objects Types and Operators Functions and Methods Modules Flow Control Iteration Classes Files NumPy Creating and Shaping Arrays Slicing Array Operations Random Numbers Matplotlib Creating a Basic Plot Pandas Series and DataFrame Manipulating Data Frames Extracting Information Plotting Scikit-learn Partitioning the Data Standardization Fitting and Prediction Testing the Model System Calls, URL Access, and Speed-Up Bibliography Index

Klover 리뷰 (0)

북로그 리뷰 (0) 쓰러가기

도서 구매 후 리뷰를 작성하시면
결제 90일 이내 300원, 발송 후 5일 이내 400원, 이 상품의 첫 리뷰 500원의 포인트를 드립니다.

포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
북로그 리뷰는 본인인증을 거친 회원만 작성 가능합니다.
(※ 외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외) 안내
  • 해당도서의 리뷰가 없습니다.

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매도서의 문장수집을 기록하면 통합포인트 적립 안내

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
반품/교환방법 마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 ,
[1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)

※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불]
    또는 고객센터 (1544-1900)
반품/교환가능 기간 변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유
  • 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
  • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
  • 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
  • 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
  • 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우
  • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
  • 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에
    해당되는 경우
(1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①양서-판매정가의 12%, ②일서-판매정가의 7%를 적용)
상품 품절 공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는
이메일과 문자로 안내드리겠습니다.
소비자 피해보상
환불지연에 따른 배상
  • 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
    소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨
  • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
    소비자 보호에 관한 법률에 따라 처리함

이 책의 해외주문가능도서
있습니다.

이 분야의 베스트

더보기+

이 분야의 신간

더보기+

바로가기

  • 우측 확장형 배너 2
  • 우측 확장형 배너 2

최근 본 상품