来源：专知本文为书籍介绍，建议阅读6分钟本书指导您学习微积分、概率、线性代数和统计学等领域以及应用。
掌握数据科学、机器学习和统计学方面的数学知识。在这本书中，作者Thomas Nield将指导您学习微积分、概率、线性代数和统计学等领域，以及如何将它们应用到线性回归、逻辑回归和神经网络等技术中。在此过程中，您还将获得关于数据科学状态的实际见解，以及如何利用这些见解来最大化您的职业生涯。
https://www.oreilly.com/library/view/essential-math-for/9781098102920/
学习如何:
- 使用Python代码和库，如symy、NumPy和scikit-learn来探索基本的数学概念，如微积分、线性代数、统计和机器学习
- 用简单的英语理解线性回归、逻辑回归和神经网络等技术，使用最少的数学符号和术语
- 对数据集进行描述性统计和假设检验，以解释p值和统计显著性
- 操作向量和矩阵并进行矩阵分解
- 整合并建立在微积分、概率、统计和线性代数的增量知识上，并将其应用于回归模型，包括神经网络
- 在数据科学的职业生涯中切实地导航，避免常见的陷阱、假设和偏见，同时调整你的技能集，以在就业市场中脱颖而出
