Praktyczna algebra liniowa dla analityków danych: od podstawowych koncepcji do użytecznych aplikacji w Pythonie
Pozornie nie dzieje się nic złego, jeśli inżynier lub analityk danych nie rozumie algebry liniowej. Może korzystać z już istniejących narzędzi i nie przejmować się szczegółami ich implementacji. Warto jednak dokładnie poznać algorytmy używane w nauce o danych i dostosować do swoich pot...
Gespeichert in:
| Beteilige Person: | |
|---|---|
| Weitere beteiligte Personen: | |
| Format: | Elektronisch E-Book |
| Sprache: | Polnisch |
| Veröffentlicht: |
Gliwice
Helion
[2024]
|
| Ausgabe: | [First edition]. |
| Schlagwörter: | |
| Links: | https://learning.oreilly.com/library/view/-/9788328902619/?ar |
| Zusammenfassung: | Pozornie nie dzieje się nic złego, jeśli inżynier lub analityk danych nie rozumie algebry liniowej. Może korzystać z już istniejących narzędzi i nie przejmować się szczegółami ich implementacji. Warto jednak dokładnie poznać algorytmy używane w nauce o danych i dostosować do swoich potrzeb istniejące metody obliczeniowe, tutaj więc nowoczesna algebra liniowa okazuje się nieodzowna. Jeśli chcesz ją poznać w nowoczesnej, praktycznej formie, najlepiej posłużyć się kodem i zastosowaniem algebry liniowej w analizie danych czy symulacjach numerycznych. To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykładami ich wykorzystania w nauce o danych, uczeniu maszynowym, uczeniu głębokim, symulacjach i przetwarzaniu danych biomedycznych. Dzięki podręcznikowi nauczysz się arytmetyki macierzowej, poznasz istotne rozkłady macierzy, w tym LU i QR, a także rozkład według wartości osobliwych, zapoznasz się też z takimi zagadnieniami jak model najmniejszych kwadratów i analiza głównych składowych. |
| Beschreibung: | Includes bibliographical references and index |
| Umfang: | 1 Online-Ressource (288 Seiten) Illustrationen |
| ISBN: | 9788328902619 8328902613 |
Internformat
MARC
| LEADER | 00000nam a22000002c 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-104372400 | ||
| 003 | DE-627-1 | ||
| 005 | 20240701091204.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 240701s2024 xx |||||o 00| ||pol c | ||
| 020 | |a 9788328902619 |c electronic bk. |9 978-83-289-0261-9 | ||
| 020 | |a 8328902613 |c electronic bk. |9 83-289-0261-3 | ||
| 035 | |a (DE-627-1)104372400 | ||
| 035 | |a (DE-599)KEP104372400 | ||
| 035 | |a (ORHE)9788328902619 | ||
| 035 | |a (DE-627-1)104372400 | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a pol | ||
| 082 | 0 | |a 512/.5 |2 23/eng/20240611 | |
| 100 | 1 | |a Cohen, Mike X. |d 1979- |e VerfasserIn |4 aut | |
| 240 | 1 | 0 | |a Practical linear algebra for data science |
| 245 | 1 | 0 | |a Praktyczna algebra liniowa dla analityków danych |b od podstawowych koncepcji do użytecznych aplikacji w Pythonie |c Mike Cohen ; przekład, Filip Kamiński |
| 250 | |a [First edition]. | ||
| 264 | 1 | |a Gliwice |b Helion |c [2024] | |
| 300 | |a 1 Online-Ressource (288 Seiten) |b Illustrationen | ||
| 336 | |a Text |b txt |2 rdacontent | ||
| 337 | |a Computermedien |b c |2 rdamedia | ||
| 338 | |a Online-Ressource |b cr |2 rdacarrier | ||
| 500 | |a Includes bibliographical references and index | ||
| 520 | |a Pozornie nie dzieje się nic złego, jeśli inżynier lub analityk danych nie rozumie algebry liniowej. Może korzystać z już istniejących narzędzi i nie przejmować się szczegółami ich implementacji. Warto jednak dokładnie poznać algorytmy używane w nauce o danych i dostosować do swoich potrzeb istniejące metody obliczeniowe, tutaj więc nowoczesna algebra liniowa okazuje się nieodzowna. Jeśli chcesz ją poznać w nowoczesnej, praktycznej formie, najlepiej posłużyć się kodem i zastosowaniem algebry liniowej w analizie danych czy symulacjach numerycznych. To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykładami ich wykorzystania w nauce o danych, uczeniu maszynowym, uczeniu głębokim, symulacjach i przetwarzaniu danych biomedycznych. Dzięki podręcznikowi nauczysz się arytmetyki macierzowej, poznasz istotne rozkłady macierzy, w tym LU i QR, a także rozkład według wartości osobliwych, zapoznasz się też z takimi zagadnieniami jak model najmniejszych kwadratów i analiza głównych składowych. | ||
| 650 | 0 | |a Algebras, Linear |x Data processing | |
| 650 | 0 | |a Python (Computer program language) | |
| 650 | 4 | |a Algèbre linéaire ; Informatique | |
| 650 | 4 | |a Python (Langage de programmation) | |
| 700 | 1 | |a Kamiński, Filip |e ÜbersetzerIn |4 trl | |
| 966 | 4 | 0 | |l DE-91 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9788328902619/?ar |m X:ORHE |x Aggregator |z lizenzpflichtig |3 Volltext |
| 912 | |a ZDB-30-ORH | ||
| 951 | |a BO | ||
| 912 | |a ZDB-30-ORH | ||
| 049 | |a DE-91 | ||
Datensatz im Suchindex
| DE-BY-TUM_katkey | ZDB-30-ORH-104372400 |
|---|---|
| _version_ | 1831287144571731968 |
| adam_text | |
| any_adam_object | |
| author | Cohen, Mike X. 1979- |
| author2 | Kamiński, Filip |
| author2_role | trl |
| author2_variant | f k fk |
| author_facet | Cohen, Mike X. 1979- Kamiński, Filip |
| author_role | aut |
| author_sort | Cohen, Mike X. 1979- |
| author_variant | m x c mx mxc |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)104372400 (DE-599)KEP104372400 (ORHE)9788328902619 |
| dewey-full | 512/.5 |
| dewey-hundreds | 500 - Natural sciences and mathematics |
| dewey-ones | 512 - Algebra |
| dewey-raw | 512/.5 |
| dewey-search | 512/.5 |
| dewey-sort | 3512 15 |
| dewey-tens | 510 - Mathematics |
| discipline | Mathematik |
| edition | [First edition]. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02933nam a22004212c 4500</leader><controlfield tag="001">ZDB-30-ORH-104372400</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20240701091204.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">240701s2024 xx |||||o 00| ||pol c</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9788328902619</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">978-83-289-0261-9</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">8328902613</subfield><subfield code="c">electronic bk.</subfield><subfield code="9">83-289-0261-3</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)104372400</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP104372400</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9788328902619</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)104372400</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">pol</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">512/.5</subfield><subfield code="2">23/eng/20240611</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Cohen, Mike X.</subfield><subfield code="d">1979-</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Practical linear algebra for data science</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Praktyczna algebra liniowa dla analityków danych</subfield><subfield code="b">od podstawowych koncepcji do użytecznych aplikacji w Pythonie</subfield><subfield code="c">Mike Cohen ; przekład, Filip Kamiński</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">[First edition].</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Gliwice</subfield><subfield code="b">Helion</subfield><subfield code="c">[2024]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (288 Seiten)</subfield><subfield code="b">Illustrationen</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Includes bibliographical references and index</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Pozornie nie dzieje się nic złego, jeśli inżynier lub analityk danych nie rozumie algebry liniowej. Może korzystać z już istniejących narzędzi i nie przejmować się szczegółami ich implementacji. Warto jednak dokładnie poznać algorytmy używane w nauce o danych i dostosować do swoich potrzeb istniejące metody obliczeniowe, tutaj więc nowoczesna algebra liniowa okazuje się nieodzowna. Jeśli chcesz ją poznać w nowoczesnej, praktycznej formie, najlepiej posłużyć się kodem i zastosowaniem algebry liniowej w analizie danych czy symulacjach numerycznych. To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykładami ich wykorzystania w nauce o danych, uczeniu maszynowym, uczeniu głębokim, symulacjach i przetwarzaniu danych biomedycznych. Dzięki podręcznikowi nauczysz się arytmetyki macierzowej, poznasz istotne rozkłady macierzy, w tym LU i QR, a także rozkład według wartości osobliwych, zapoznasz się też z takimi zagadnieniami jak model najmniejszych kwadratów i analiza głównych składowych.</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Algebras, Linear</subfield><subfield code="x">Data processing</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Python (Computer program language)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Algèbre linéaire ; Informatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Python (Langage de programmation)</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Kamiński, Filip</subfield><subfield code="e">ÜbersetzerIn</subfield><subfield code="4">trl</subfield></datafield><datafield tag="966" ind1="4" ind2="0"><subfield code="l">DE-91</subfield><subfield code="p">ZDB-30-ORH</subfield><subfield code="q">TUM_PDA_ORH</subfield><subfield code="u">https://learning.oreilly.com/library/view/-/9788328902619/?ar</subfield><subfield code="m">X:ORHE</subfield><subfield code="x">Aggregator</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">BO</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield></datafield></record></collection> |
| id | ZDB-30-ORH-104372400 |
| illustrated | Not Illustrated |
| indexdate | 2025-05-05T13:25:15Z |
| institution | BVB |
| isbn | 9788328902619 8328902613 |
| language | Polish |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 Online-Ressource (288 Seiten) Illustrationen |
| psigel | ZDB-30-ORH TUM_PDA_ORH ZDB-30-ORH |
| publishDate | 2024 |
| publishDateSearch | 2024 |
| publishDateSort | 2024 |
| publisher | Helion |
| record_format | marc |
| spelling | Cohen, Mike X. 1979- VerfasserIn aut Practical linear algebra for data science Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie Mike Cohen ; przekład, Filip Kamiński [First edition]. Gliwice Helion [2024] 1 Online-Ressource (288 Seiten) Illustrationen Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier Includes bibliographical references and index Pozornie nie dzieje się nic złego, jeśli inżynier lub analityk danych nie rozumie algebry liniowej. Może korzystać z już istniejących narzędzi i nie przejmować się szczegółami ich implementacji. Warto jednak dokładnie poznać algorytmy używane w nauce o danych i dostosować do swoich potrzeb istniejące metody obliczeniowe, tutaj więc nowoczesna algebra liniowa okazuje się nieodzowna. Jeśli chcesz ją poznać w nowoczesnej, praktycznej formie, najlepiej posłużyć się kodem i zastosowaniem algebry liniowej w analizie danych czy symulacjach numerycznych. To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykładami ich wykorzystania w nauce o danych, uczeniu maszynowym, uczeniu głębokim, symulacjach i przetwarzaniu danych biomedycznych. Dzięki podręcznikowi nauczysz się arytmetyki macierzowej, poznasz istotne rozkłady macierzy, w tym LU i QR, a także rozkład według wartości osobliwych, zapoznasz się też z takimi zagadnieniami jak model najmniejszych kwadratów i analiza głównych składowych. Algebras, Linear Data processing Python (Computer program language) Algèbre linéaire ; Informatique Python (Langage de programmation) Kamiński, Filip ÜbersetzerIn trl |
| spellingShingle | Cohen, Mike X. 1979- Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie Algebras, Linear Data processing Python (Computer program language) Algèbre linéaire ; Informatique Python (Langage de programmation) |
| title | Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie |
| title_alt | Practical linear algebra for data science |
| title_auth | Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie |
| title_exact_search | Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie |
| title_full | Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie Mike Cohen ; przekład, Filip Kamiński |
| title_fullStr | Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie Mike Cohen ; przekład, Filip Kamiński |
| title_full_unstemmed | Praktyczna algebra liniowa dla analityków danych od podstawowych koncepcji do użytecznych aplikacji w Pythonie Mike Cohen ; przekład, Filip Kamiński |
| title_short | Praktyczna algebra liniowa dla analityków danych |
| title_sort | praktyczna algebra liniowa dla analitykow danych od podstawowych koncepcji do uzytecznych aplikacji w pythonie |
| title_sub | od podstawowych koncepcji do użytecznych aplikacji w Pythonie |
| topic | Algebras, Linear Data processing Python (Computer program language) Algèbre linéaire ; Informatique Python (Langage de programmation) |
| topic_facet | Algebras, Linear Data processing Python (Computer program language) Algèbre linéaire ; Informatique Python (Langage de programmation) |
| work_keys_str_mv | AT cohenmikex practicallinearalgebrafordatascience AT kaminskifilip practicallinearalgebrafordatascience AT cohenmikex praktycznaalgebraliniowadlaanalitykowdanychodpodstawowychkoncepcjidouzytecznychaplikacjiwpythonie AT kaminskifilip praktycznaalgebraliniowadlaanalitykowdanychodpodstawowychkoncepcjidouzytecznychaplikacjiwpythonie |