Основная математика для науки о данных
https://www.kdnuggets.com/2022/06/essential-math-data-science-eigenvectors-application-pca.html
@data_analysis_ml
https://www.kdnuggets.com/2022/06/essential-math-data-science-eigenvectors-application-pca.html
@data_analysis_ml
KDnuggets
Essential Math for Data Science: Eigenvectors and Application to PCA - KDnuggets
In this article, you’ll learn about the eigendecomposition of a matrix.
👍2
🌏 Использование Redis для работы с геоданными
Работа с геопространственными данными заведомо сложная задача, хотя бы потому что широта и долгота это числа с плавающей запятой и они должны быть очень высокоточными. К тому же, казалось бы, широта и долгота могут быть представлены в виде сетки, но на самом деле нет, не могут, просто потому что Земля не плоская, а математика - это сложная наука.
➡️ Читать дальше
↪️ Redis for Geospatial Data whitepaper
⚙️ Запуск Redis в Google Colab Python
@data_math
Работа с геопространственными данными заведомо сложная задача, хотя бы потому что широта и долгота это числа с плавающей запятой и они должны быть очень высокоточными. К тому же, казалось бы, широта и долгота могут быть представлены в виде сетки, но на самом деле нет, не могут, просто потому что Земля не плоская, а математика - это сложная наука.
➡️ Читать дальше
↪️ Redis for Geospatial Data whitepaper
⚙️ Запуск Redis в Google Colab Python
@data_math
👍4
Если вы хотите всерьез заняться машинным обучением и анализом данных, без математики вам точно не обойтись. Но какие именно разделы вам понадобятся и как подступиться к ним, не имея опыта? Мы попросили Леонида Иосипоя, академического руководителя Центра непрерывного образования ФКН ВШЭ, составить список книг, которые помогут изучить математику с любым уровнем подготовки.
@data_math
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
Если не знаешь с чего начать изучение Data Science, не знаешь в какую сторону двигаться или как улучшить свои навыки и нет желания отдавать большие деньги за курсы, которые непонятно что дадут — эта подборка для тебя.
Курсы упорядочены по степени необходимости, начиная с базовых знаний, без которых будет тяжело даваться дальнейшее изучение (линейная алгебра, статистика, базовое знание python и т.д.), переходя к более сложным.
Оставил только самые ценные, на мой взгляд, курсы.
Структура курсов:
- Линейная алгебра и дискретная математика.
- Статистика и теория вероятностей.
- Python, SQL, R.
- Машинное обучение.
- Алгоритмы и структуры данных.
- Нейронные сети и Deep learning.
@data_math
Please open Telegram to view this post
VIEW IN TELEGRAM
Для начала позволю себе заметить, что в интернете есть много качественного технического контента, посвященного оцениванию моделей. Такие метрики, как F1-score (гармоническое среднее), MSE (средняя квадратическая ошибка), MAE (среднее абсолютное отклонение), Huber Loss (функция потерь Хьюбера), precision (точность), recall (полнота), cross-entropy loss (потери перекрестной энтропии) и многие другие, детально описаны на различных платформах. Однако эти метрики обычно фокусируются на подгонке модели к данным, а не на оптимизации ее для конкретного бизнеса.
Чего зачастую не хватает, так это инструментов экономического анализа для оптимизации полезности модели. Полезность определяется просто как удовольствие или ценность, которые клиент может получить от услуги — в данном случае от модели МО.
Хотя эта концепция не преподается будущим специалистам МО, я уверен: экономический анализ и оценка полезности имеют большое значение для создания практичных и долговечных моделей в реальном мире. Пока все заинтересованные стороны (технические и нетехнические работники) совместно не создадут экономический слой МО-модели, бизнес-ценность и предельную полезность машинного обучения можно считать неопределенными.
Примечание. Эта публикация предназначена для технических МО-специалистов, а также для менеджеров по продуктам и менее технически подготовленных заинтересованных лиц, работающих с ИИ-продуктами. Здесь будет немного математики, но в заключительный раздел включены высокоэффективные концептуальные шаги.
@data_math
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
Математическая модель учитывает данные прошлых лет и показатели сборных.
Дисклеймер: не используйте модель для ставок на спорт, ради бога! Это всего лишь математика, развлечение для гиков, а не оракул, которому можно безусловно доверять. Реальность куда более непредсказуема, поэтому поберегите свои деньги.
@data_math
Please open Telegram to view this post
VIEW IN TELEGRAM
Язык Julia создан математиками для математиков, он действительно прост, красив и элегантен, но при этом очень быстр. За последние годы, язык созданный в 2009 году сильно окреп, оброс серьезной экосистемой и стал действительно привлекать внимание специалистов в области анализ данных. Именно поэтому мы решились сделать курс про основы Julia для применения в Data Science проектах.
@data_math
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
Математика — это краеугольный камень Data Science. Хотя некоторые теоремы, аксиомы и формулы кажутся слишком абстрактными и далекими от практики, на самом деле без них невозможно по-настоящему глубоко анализировать и систематизировать огромные массивы данных.
Для специалиста Data Science важны следующие направления математики:
- статистика;
- теория вероятностей;
- математический анализ;
- линейная алгебра.
@data_math
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
🎓 Как в мгновение ока возвести в квадрат любое число, оканчивающееся на «5»
Делается это так: первая цифра умножается на туже самую цифру + «1», а в самом конце дописывается «25».
Пример №1:
• 35² (3 × (3+1)) + «25» в конце (3 × 4) + «25» в конце 1 225
Пример №2:
• 95² (9 × (9+1)) + «25» в конце (9 × 10) + «25» в конце 9 025
Делается это так: первая цифра умножается на туже самую цифру + «1», а в самом конце дописывается «25».
Пример №1:
• 35² (3 × (3+1)) + «25» в конце (3 × 4) + «25» в конце 1 225
Пример №2:
• 95² (9 × (9+1)) + «25» в конце (9 × 10) + «25» в конце 9 025
👍19😱4🔥1
🎓 Математические приёмы
Чтобы быстро умножить на 4, поделите операцию на две составляющие. Умножьте число на два, а после – еще на два.
Пример:
Возьмем число 1578. Перемножить его сразу же на 4 в уме достаточно тяжело. Используем лайфхак: 1578 умножаем на 2, получаем 3 156. Теперь 3 156 умножаем на 2, получаем 6 312.
📖 Math | #приёмы
Чтобы быстро умножить на 4, поделите операцию на две составляющие. Умножьте число на два, а после – еще на два.
Пример:
Возьмем число 1578. Перемножить его сразу же на 4 в уме достаточно тяжело. Используем лайфхак: 1578 умножаем на 2, получаем 3 156. Теперь 3 156 умножаем на 2, получаем 6 312.
📖 Math | #приёмы
❤7👍3
Теория_игр_в_общественных_науках_2015_Захаров_А_В_.pdf
3.8 MB
📙 Теория игр в общественных науках [2015] Захаров А. В.
В учебнике излагаются основы некооперативной теории игр и разбираются примеры из различных областей экономики и политической науки. Для понимания материала необходимо знание математического анализа и теории вероятностей на уровне первого курса. Книга может быть использована как основной учебник по семестровому курсу теории игр для студентов бакалавриата или магистратуры, не изучавших предмет ранее, или для более короткого повторного курса.
Теория игр — раздел прикладной математики, точнее исследования операций. Чаще всего методы теории игр находят применение в международных отношениях, экономике, чуть реже в других общественных науках — социологии, политологии, психологии, этике, юриспруденции и других. Начиная с 1970-х годов, её взяли на вооружение биологи для исследования поведения животных и теории эволюции. Очень важное значение она имеет для искусственного интеллекта и кибернетики, особенно с проявлением интереса к интеллектуальным агентам.
В учебнике излагаются основы некооперативной теории игр и разбираются примеры из различных областей экономики и политической науки. Для понимания материала необходимо знание математического анализа и теории вероятностей на уровне первого курса. Книга может быть использована как основной учебник по семестровому курсу теории игр для студентов бакалавриата или магистратуры, не изучавших предмет ранее, или для более короткого повторного курса.
Теория игр — раздел прикладной математики, точнее исследования операций. Чаще всего методы теории игр находят применение в международных отношениях, экономике, чуть реже в других общественных науках — социологии, политологии, психологии, этике, юриспруденции и других. Начиная с 1970-х годов, её взяли на вооружение биологи для исследования поведения животных и теории эволюции. Очень важное значение она имеет для искусственного интеллекта и кибернетики, особенно с проявлением интереса к интеллектуальным агентам.
👍3
Media is too big
VIEW IN TELEGRAM
⚙️ Стопоходящая машина П. Л. Чебышева
Со времён изобретения Джеймсом Уаттом паровой машины стояла задача построения шарнирного механизма, переводящего движение по окружности в прямолинейное движение. Великий русский математик Пафнутий Львович Чебышёв не смог точно решить изначальную задачу, однако, исследуя её, разработал теорию приближения функций и теорию синтеза механизмов.
Пафнутий Львович Чебышёв — Учёная деятельность Чебышёва началась в 22 года и продолжалась почти 60 лет: последнюю его статью обнародовали в 1895 году, спустя 1 год после его кончины (он умер, работая за своим письменным столом).
Его труд по интегральному исчислению в 1860 году стал настоящим событием в математическом мире того времени!
Из многочисленных научных открытий П.Л. Чебышёва первое место заслуженно занимает работа по теории чисел, начало которой было положено как добавление к докторской диссертации «Теория сравнений» (1849 г.). А через 2 года напечатали по-французски трактат «Об определении числа простых чисел…», ставший своего рода новым прорывом в данной теории.
А через 16 лет появился ещё один блестящий шедевр «О средних величинах», названная затем теоремой Чебышёва. Она легла затем в основу теории вероятностей, которая до сих пор является одним из главным инструментов современной статистики.
Со времён изобретения Джеймсом Уаттом паровой машины стояла задача построения шарнирного механизма, переводящего движение по окружности в прямолинейное движение. Великий русский математик Пафнутий Львович Чебышёв не смог точно решить изначальную задачу, однако, исследуя её, разработал теорию приближения функций и теорию синтеза механизмов.
Пафнутий Львович Чебышёв — Учёная деятельность Чебышёва началась в 22 года и продолжалась почти 60 лет: последнюю его статью обнародовали в 1895 году, спустя 1 год после его кончины (он умер, работая за своим письменным столом).
Его труд по интегральному исчислению в 1860 году стал настоящим событием в математическом мире того времени!
Из многочисленных научных открытий П.Л. Чебышёва первое место заслуженно занимает работа по теории чисел, начало которой было положено как добавление к докторской диссертации «Теория сравнений» (1849 г.). А через 2 года напечатали по-французски трактат «Об определении числа простых чисел…», ставший своего рода новым прорывом в данной теории.
А через 16 лет появился ещё один блестящий шедевр «О средних величинах», названная затем теоремой Чебышёва. Она легла затем в основу теории вероятностей, которая до сих пор является одним из главным инструментов современной статистики.
👍2🔥2
Media is too big
VIEW IN TELEGRAM
💡Задача о 100 узниках и 100 ящиках — задача в теории вероятностей и комбинаторике. Суть задачи заключается в том, что каждый из 100 узников должен найти свой номер в одном из 100 ящиков, чтобы все они выжили; если хотя бы один не справится, умрут все. Каждый узник может открыть только 50 ящиков и не может общаться с другими узниками, за исключением предварительного обсуждения стратегии.
На первый взгляд ситуация выглядит безнадёжной, но существует стратегия, которая даёт узникам шанс на выживание примерно в 30 %. Задача была предложена датским учёным в области информатики Питером Мильтерсеном в 2003 году.
@data_math - делаем упор на практику математики DS. Проверяем ваши знания, а затем на основе ошибок предлагаем статьи и уроки.
На первый взгляд ситуация выглядит безнадёжной, но существует стратегия, которая даёт узникам шанс на выживание примерно в 30 %. Задача была предложена датским учёным в области информатики Питером Мильтерсеном в 2003 году.
@data_math - делаем упор на практику математики DS. Проверяем ваши знания, а затем на основе ошибок предлагаем статьи и уроки.
👍5🔥3❤1
Курс_дифференциального_и_интегрального_исчисления_2013_Фихтенгольц.zip
18.4 MB
📚 Курс дифференциального и интегрального исчисления [2013] Фихтенгольц Г.М.
«Курс дифференциального и интегрального исчисления» Григория Михайловича Фихтенгольца - выдающееся произведение научно-педагогической литературы, выдержавшее множество изданий и переведенное на ряд иностранных языков. «Курс ...» не имеет себе равных по объему охваченного фактического материала, количеству разнообразных приложений общих теорем в геометрии, алгебре, механике, физике и технике. Многие известные современные математики отмечают, что именно «Курс ...» Г. М. Фихтенгольца привил им в студенческие годы вкус и любовь к математическому анализу, дал первое ясное понимание этого предмета.
Основной теоретический материал, вошедший в «Курс ...», - это классическая часть современного математического анализа, окончательно сформировавшаяся к началу XX столетия (не содержащая теории меры и общей теории множеств). Эта часть анализа преподается на первых двух курсах университетов и входит (целиком или в значительной части) в программы всех технических и педагогических вузов. I том «Курса ...» включает дифференциальное исчисление одной и нескольких вещественных переменных и его основные приложения, II том посвящен теории интеграла Римана и теории рядов, III том - кратным, криволинейным и поверхностным интегралам, интегралу Стилтьеса, рядам и преобразованию Фурье.
В 8-м издании «Курса ...» Г. М. Фихтенгольца, предлагаемом вниманию читателя, устранены опечатки, обнаруженные в ряде предыдущих изданий. Кроме того, издание снабжено краткими комментариями, относящимися к тем местам текста (весьма немногочисленным), при работе с которыми у читателя могут возникнуть те или иные неудобства; примечания делаются, в частности, в тех случаях, когда используемый автором термин или оборот речи чем-либо отличаются от наиболее распространенных в настоящее время.
@data_math
«Курс дифференциального и интегрального исчисления» Григория Михайловича Фихтенгольца - выдающееся произведение научно-педагогической литературы, выдержавшее множество изданий и переведенное на ряд иностранных языков. «Курс ...» не имеет себе равных по объему охваченного фактического материала, количеству разнообразных приложений общих теорем в геометрии, алгебре, механике, физике и технике. Многие известные современные математики отмечают, что именно «Курс ...» Г. М. Фихтенгольца привил им в студенческие годы вкус и любовь к математическому анализу, дал первое ясное понимание этого предмета.
Основной теоретический материал, вошедший в «Курс ...», - это классическая часть современного математического анализа, окончательно сформировавшаяся к началу XX столетия (не содержащая теории меры и общей теории множеств). Эта часть анализа преподается на первых двух курсах университетов и входит (целиком или в значительной части) в программы всех технических и педагогических вузов. I том «Курса ...» включает дифференциальное исчисление одной и нескольких вещественных переменных и его основные приложения, II том посвящен теории интеграла Римана и теории рядов, III том - кратным, криволинейным и поверхностным интегралам, интегралу Стилтьеса, рядам и преобразованию Фурье.
В 8-м издании «Курса ...» Г. М. Фихтенгольца, предлагаемом вниманию читателя, устранены опечатки, обнаруженные в ряде предыдущих изданий. Кроме того, издание снабжено краткими комментариями, относящимися к тем местам текста (весьма немногочисленным), при работе с которыми у читателя могут возникнуть те или иные неудобства; примечания делаются, в частности, в тех случаях, когда используемый автором термин или оборот речи чем-либо отличаются от наиболее распространенных в настоящее время.
@data_math
👍7❤3🔥3🥱1
Численное_решение_обыкновенных_дифференциальных_и_дифференциально.7z
127.2 MB
📕 Численное решение обыкновенных дифференциальных и дифференциально-алгебраических уравнений 2 изд. [2018 + 2022] Скворцов
Книга посвящена численному решению задач с начальными условиями для обыкновенных дифференциальных и дифференциально-алгебраических уравнений. Рассматриваются явные и неявные, одношаговые и многошаговые методы, среди которых новые оригинальные методы. Особое внимание уделено решению жестких задач (в том числе и с использованием специальных явных методов), а также решению дифференциально-алгебраических задач высших индексов. Наряду с теоретическими результатами приведены результаты решения тестовых задач и рассмотрены вопросы программной реализации численных методов.
Для всех, кто интересуется численными методами решения дифференциальных и дифференциально-алгебраических уравнений.
• Постановка задачи Коши для систем ОДУ и ДАУ, различные классы задач и методы их решения
• Явные методы Рунге-Кутты для нежестких задач
• Рекомендации по выбору оптимальных коэффициентов
• Два способа построения вложенных пар методов с оцениванием ошибки
• Одношаговые методы низкой точности
• Теоретические и экспериментальные результаты о сходимости методов Рунге-Кутты
• Упрощенные условия порядка
• Конкретные методы с минимизированными функциями погрешности
• Неявные методы, обладающие повышенной точностью при решении жестких задач и ДАУ.
• Одношаговые и многошаговые методы с расширенными областями устойчивости
@data_math
Книга посвящена численному решению задач с начальными условиями для обыкновенных дифференциальных и дифференциально-алгебраических уравнений. Рассматриваются явные и неявные, одношаговые и многошаговые методы, среди которых новые оригинальные методы. Особое внимание уделено решению жестких задач (в том числе и с использованием специальных явных методов), а также решению дифференциально-алгебраических задач высших индексов. Наряду с теоретическими результатами приведены результаты решения тестовых задач и рассмотрены вопросы программной реализации численных методов.
Для всех, кто интересуется численными методами решения дифференциальных и дифференциально-алгебраических уравнений.
• Постановка задачи Коши для систем ОДУ и ДАУ, различные классы задач и методы их решения
• Явные методы Рунге-Кутты для нежестких задач
• Рекомендации по выбору оптимальных коэффициентов
• Два способа построения вложенных пар методов с оцениванием ошибки
• Одношаговые методы низкой точности
• Теоретические и экспериментальные результаты о сходимости методов Рунге-Кутты
• Упрощенные условия порядка
• Конкретные методы с минимизированными функциями погрешности
• Неявные методы, обладающие повышенной точностью при решении жестких задач и ДАУ.
• Одношаговые и многошаговые методы с расширенными областями устойчивости
@data_math
👍9❤3🔥3
Подборка_книг_по_теории_графов_15_книг.zip
100.8 MB
📚 Подборка книг по теории графов [15 книг]
Теория графов — раздел дискретной математики, изучающий графы. В самом общем смысле граф — это множество точек (вершин, узлов), которые соединяются множеством линий (рёбер, дуг). Теория графов (то есть систем линий, соединяющих заданные точки) включена в учебные программы для начинающих математиков.
📒 Теория графов [2002] Дистель Р
📓 Теория графов, теория кодирования и блок-схемы [1980] Камерон П., Ван Линт Дж.
📕 Теория графов: покрытия, укладки, турниры [1974] Алексеев, Гаврилов, Сапоженко
📔 Теория графов и ее применения [1962] Берж К.
📗 Лекции по теории графов [1990] Емеличев
📘 Graph Theory [2017] Reinhard Diestel
📙 Введение в теорию графов [1977] Р. Уилсон
📒 Теория графов [2003] Фрэнк Харари (Harary)
📕 Теория графов [1980] Оре О
📔 Химические приложения топологии и теории графов [1987] Кинг
📗 Прикладные задачи теории графов. Теория паросочетаний в математике, физике, химии [1988] Ловас, Пламмер
📘 Применение теории графов в программировании [1985] Евстигнеев
📙 Основы теории графов [2004] Зыков
📒 Теория графов в занимательных задачах [2009] Мельников
#подборка_книг #математика #теория_графов #алгоритмы
Теория графов — раздел дискретной математики, изучающий графы. В самом общем смысле граф — это множество точек (вершин, узлов), которые соединяются множеством линий (рёбер, дуг). Теория графов (то есть систем линий, соединяющих заданные точки) включена в учебные программы для начинающих математиков.
📒 Теория графов [2002] Дистель Р
📓 Теория графов, теория кодирования и блок-схемы [1980] Камерон П., Ван Линт Дж.
📕 Теория графов: покрытия, укладки, турниры [1974] Алексеев, Гаврилов, Сапоженко
📔 Теория графов и ее применения [1962] Берж К.
📗 Лекции по теории графов [1990] Емеличев
📘 Graph Theory [2017] Reinhard Diestel
📙 Введение в теорию графов [1977] Р. Уилсон
📒 Теория графов [2003] Фрэнк Харари (Harary)
📕 Теория графов [1980] Оре О
📔 Химические приложения топологии и теории графов [1987] Кинг
📗 Прикладные задачи теории графов. Теория паросочетаний в математике, физике, химии [1988] Ловас, Пламмер
📘 Применение теории графов в программировании [1985] Евстигнеев
📙 Основы теории графов [2004] Зыков
📒 Теория графов в занимательных задачах [2009] Мельников
#подборка_книг #математика #теория_графов #алгоритмы
👍20❤6🔥3😍1