機械学習とデータサイエンスにつながる線形代数 Linear Algebra with Machine Learning and Data (Textbooks in Mathematics)

機械学習とデータサイエンスにつながる線形代数<br>Linear Algebra with Machine Learning and Data (Textbooks in Mathematics)

個数：

機械学習とデータサイエンスにつながる線形代数
Linear Algebra with Machine Learning and Data (Textbooks in Mathematics)

Arangala, Crista

ウェブストア価格 ¥23,076（本体¥20,979）
Chapman & Hall/CRC（2023/05発売）
外貨定価 US$ 110.00
ポイント 209pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 290 p.
言語 ENG
商品コード 9780367458393
DDC分類 512.50285

Full Description

This book takes a deep dive into several key linear algebra subjects as they apply to data analytics and data mining. The book offers a case study approach where each case will be grounded in a real-world application.

This text is meant to be used for a second course in applications of Linear Algebra to Data Analytics, with a supplemental chapter on Decision Trees and their applications in regression analysis. The text can be considered in two different but overlapping general data analytics categories: clustering and interpolation.

Knowledge of mathematical techniques related to data analytics and exposure to interpretation of results within a data analytics context are particularly valuable for students studying undergraduate mathematics. Each chapter of this text takes the reader through several relevant case studies using real-world data.

All data sets, as well as Python and R syntax, are provided to the reader through links to Github documentation. Following each chapter is a short exercise set in which students are encouraged to use technology to apply their expanding knowledge of linear algebra as it is applied to data analytics.

A basic knowledge of the concepts in a first Linear Algebra course is assumed; however, an overview of key concepts is presented in the Introduction and as needed throughout the text.

1 Graph Theory. 2. Stochastic Processes. 3. SVD and PCA. 4. Interpolation. 5. Optimization and Learning Techniques for Regression. 6. Decision Trees and Random Forests. 7. Random Matrices and Covariance Estimate. 8. Sample Solutions to Exercises.