{
  "type": "book",
  "site": {
    "name": "Kołczan Książek",
    "language": "pl-PL",
    "url": "https://www.kolczanksiazek.pl"
  },
  "formats": "Każda podstrona ma dwie wersje z tymi samymi danymi: JSON (adres strony + .json) i markdown (adres strony + .md). Do każdego `url` w tym dokumencie można dopisać .json albo .md.",
  "title": "Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka",
  "subtitle": null,
  "slug": "podstawy-matematyki-w-data-science-algebra-liniowa-rachunek-prawdopodobienstwa-i-statystyka",
  "url": "https://www.kolczanksiazek.pl/thomas-nield/podstawy-matematyki-w-data-science-algebra-liniowa-rachunek-prawdopodobienstwa-i-statystyka",
  "json": "https://www.kolczanksiazek.pl/thomas-nield/podstawy-matematyki-w-data-science-algebra-liniowa-rachunek-prawdopodobienstwa-i-statystyka.json",
  "markdown": "https://www.kolczanksiazek.pl/thomas-nield/podstawy-matematyki-w-data-science-algebra-liniowa-rachunek-prawdopodobienstwa-i-statystyka.md",
  "authors": [
    {
      "name": "Thomas Nield",
      "slug": "thomas-nield",
      "url": "https://www.kolczanksiazek.pl/thomas-nield"
    }
  ],
  "language": "pl_PL",
  "original_title": null,
  "original_language": null,
  "first_published": "2023-02-14",
  "genres": [],
  "series": [],
  "cover": "https://quivercdn.com/covers/helion/thomas-nield/podstawy-matematyki-w-data-science-algebra-liniowa-rachunek-prawdopodobienstwa-i-statystyka_978-83-8322-013-0.jpg?v=2026-04-07%2017%3A36%3A25",
  "description": "Rosnąca dostępność danych sprawiła, że data science i uczenie maszynowe są powszechnie używane do przeróżnych celów. Równocześnie wiele osób pomija analizy matematyczne przed rozpoczęciem przetwarzania danych. A to wiąże się z ryzykiem popełnienia istotnych błędów już na etapie projektowania danego systemu. Dopiero dogłębne zrozumienie niektórych koncepcji matematycznych i umiejętność ich praktycznego zastosowania sprawia, że kandydat na analityka danych ma szansę osiągnąć poziom profesjonalisty. To książka przeznaczona dla osób, które chcą dobrze zrozumieć matematyczne podstawy nauki o danych i nauczyć się stosowania niektórych koncepcji w praktyce. Wyjaśniono tu takie zagadnienia jak rachunek różniczkowy i całkowy, rachunek prawdopodobieństwa, algebra liniowa i statystyka, pokazano także, w jaki sposób posługiwać się nimi w regresji liniowej, regresji logistycznej i w tworzeniu sieci neuronowych. Poszczególne tematy zostały omówione zrozumiale, przystępnie, bez naukowego żargonu, za to z licznymi praktycznymi przykładami, co dodatkowo ułatwia przyswojenie koncepcji i prawideł matematyki. Opanowanie zawartej tu wiedzy pozwala uniknąć wielu kosztownych błędów projektowych i trafniej wybierać optymalne rozwiązania! Dzięki książce nauczysz się: używać kodu Pythona i jego bibliotek do eksplorowania koncepcji matematycznych posługiwać się regresją liniową i regresją logistyczną opisywać dane metodami statystycznymi i testować hipotezy manipulować wektorami i macierzami łączyć wiedzę matematyczną z użyciem modeli regresji unikać typowych błędów w stosowaniu matematyki w data science Zrozum matematykę i efektywnie używaj danych!",
  "editions": [
    {
      "title": "Podstawy matematyki w data science. Algebra liniowa, rachunek prawdopodobieństwa i statystyka",
      "subtitle": null,
      "url": "https://www.kolczanksiazek.pl/thomas-nield/podstawy-matematyki-w-data-science-algebra-liniowa-rachunek-prawdopodobienstwa-i-statystyka/9788383220130",
      "publisher": "Helion",
      "publisher_series": [],
      "translators": [],
      "medium": "paper",
      "duration_seconds": null,
      "narrators": [],
      "illustrators": [],
      "cover_artists": [],
      "isbn": "978-83-8322-013-0",
      "pages": 288,
      "published": "2023-02-14",
      "language": "pl_PL",
      "cover": "https://quivercdn.com/covers/helion/thomas-nield/podstawy-matematyki-w-data-science-algebra-liniowa-rachunek-prawdopodobienstwa-i-statystyka_978-83-8322-013-0.jpg?v=2026-04-07%2017%3A36%3A25"
    }
  ],
  "other_languages": [],
  "characters": [],
  "chapters": []
}