Matrix Methods in Data Analysis - Javier Perez Alvaro,Maria Isabel Bueno Cachadina
-25% su kodu BOOKS
30 dienų grąžinimo politika
This textbook offers a fresh and balanced approach to the study of Linear Algebra in the context of modern Data Science. Whereas many existing texts either emphasize theory with little connection to practice or jump straight to applications with minimal mathematical explanation, this book provides equal weight to both foundations and applications.Designed for undergraduates who have completed a proof-based ... Visas aprašymas
Jums taip pat gali patikti
TOP
Gödel, Escher, Bach: An Eternal Golden Braid
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
If Anyone Builds It, Everyone Dies: Why Superhuman AI Would Kill Us All
Eliezer Yudkowsky, Nate Soares
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
AI Engineering: Building Applications with Foundation Models
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Empire of AI: Dreams and Nightmares in Sam Altman's OpenAI
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Pragmatic Programmer: journey to mastery, 20th Anniversary Edition, 2/e: your journey to mastery, 20th Anniversary Edition
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How To Think About AI: A Guide For The Perplexed
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Slanted 47 Digital Tools: Slanted Magazine
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Web Application Hacker's Handbook: Discovering and Exploiting Security Flaws
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Art of Game Design: A Book of Lenses
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
How Linux Works: What Every Superuser Should Know
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Artificial Intelligence: A Modern Approach, Global Edition
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Python Crash Course: A Hands-On, Project-Based Introduction to Programming
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
CompTIA Security+ Certification Kit: Exam SY0-701
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Automate the Boring Stuff with Python
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Fundamentals of Software Architecture: A Modern Engineering Approach
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Speak Data: Artists, Scientists, Thinkers, and Dreamers on How We Live Our Lives in Numbers
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hacking: The Art of Exploitation
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Linux Basics for Hackers, 2nd Edition: Getting Started with Networking, Scripting, and Security in Kali
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
HBR Guide to Generative AI for Managers
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Hackers. 25th Anniversary Edition: Heroes of the Computer Revolution
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
Aprašymas
This textbook offers a fresh and balanced approach to the study of Linear Algebra in the context of modern Data Science. Whereas many existing texts either emphasize theory with little connection to practice or jump straight to applications with minimal mathematical explanation, this book provides equal weight to both foundations and applications.
Designed for undergraduates who have completed a proof-based Linear Algebra course, it introduces concepts and tools from Matrix Analysis that are essential for Data Science and Machine Learning. Topics include:
- Vector norms and distances, orthogonality, and projections
- Matrix factorizations such as LU, CR, QR, and SVD
- Special matrix types: symmetric, positive definite, nonnegative, stochastic, and covariance matrices
- Key numerical algorithms, including the QR algorithm and the Power Method
Each chapter is enriched with real-world applications—from Google PageRank and Principal Component Analysis to clustering, dimensionality reduction, and linear regression—highlighting the role of matrix methods in Data Science.
To further support hands-on learning, the book is accompanied by a GitHub repository with Python labs, allowing students to implement the techniques covered and bridge the gap between theory and computation.
With its clear explanations, practical insights, and balance of theory and application, Matrix Methods in Data Analysis is an invaluable resource for courses in applied Linear Algebra, Data Science, and introductory Machine Learning.
Daugiau informacijos
| Autorius | Javier Perez Alvaro, Maria Isabel Bueno Cachadina |
|---|---|
| Leidėjas | Springer-Verlag GmbH |
| Series | Modern Aspects of Electrochemistry |
| Išleidimo metai | 2026 |
| Viršelio tipas | Kieti viršeliai |
| EAN | 9783032113139 |