Matemáticas para la ciencia de datos

'Math for Data Science' es el tercer curso de una serie. Para obtener los mejores resultados, considere tomar los dos primeros cursos: 'Data Science Masterclass for Beginners' y 'Python for Data Science: From the Basics to Advanced'. Este curso específico comienza con una introducción al álgebra lineal respondiendo preguntas tales como, '¿Qué hace las ecuaciones lineales?'. La prioridad es que los estudiantes entiendan los sistemas de ecuaciones lineales. Entonces, el enfoque cambia a enfoques para resolver ecuaciones de matriz. Después de eso, usted descubre un objeto matemático esencial-el espacio del vector.

En los dos temas restantes para el álgebra lineal, puede explorar las propiedades de los espacios vectoriales y ver cómo aplicar el conocimiento anterior mediante la aproximación de mínimos cuadrados. El siguiente módulo le presenta la probabilidad. Primero se lidian con el concepto de un modelo de probabilidad y sus axiomas antes de explorar el conteo simple. A continuación, aprenderá a pensar y resolver problemas de probabilidad discretos simples, incluidos los problemas de teorema de Bayes condicionales.

Después, usted estudia variables aleatorias, función de masa de probabilidad, expectativa y funciones de masa de probabilidad conjunta. A continuación, avanza a trabajar con variables continuas y calculando probabilidades para más de una variable a la vez. Finalmente, usted comprende cómo aplicar la inferencia estadística para obtener información. La ciencia de datos es uno de los campos más emocionantes del siglo XXI. Desde el comienzo del siglo, las organizaciones han estado manteniendo grandes volúmenes de datos, actualizándolo con más frecuencia, y usando una variedad más amplia (no sólo números sino textos, tweets, audio, video, imagen, y más). El mundo necesita más científicos de datos y analistas de negocio para tomar la cantidad masiva de hechos en bruto y trabajar con ellos para producir información procesable.