详细内容或原文请订阅后点击阅览
如何学习数据科学数学：初学者的路线图
对从哪里开始数据科学数学感到困惑？了解哪些数学概念要以什么顺序学习以及如何在实践中使用它们。
来源:KDnuggets您不需要严格的数学或计算机科学学位就可以进入数据科学。但是您确实需要了解算法背后的数学概念，并分析您每天使用。但是为什么这很困难？
好吧，大多数人向后处理数据科学数学。他们直接进入抽象理论，不知所措并退出。真相？数据科学所需的几乎所有数学都基于您已经知道的概念。您只需要连接点，看看这些想法如何解决实际问题。
此路线图着重于实际上实际上重要的数学基础。没有理论上的兔子孔，没有不必要的复杂性。希望您对此有所帮助。
第1部分：统计和概率
统计在数据科学中不是可选的。从本质上讲，这是您如何将信号与噪声分开并提出可以捍卫的主张。没有统计思维，您只是用精美的工具做出了有根据的猜测。
这是为何重要的：每个数据集都讲述一个故事，但是统计数据可帮助您弄清楚该故事的哪些部分是真实的。当您了解发行版时，您可以立即发现数据质量问题。当您知道假设测试时，您就会知道您的A/B测试结果实际上意味着什么。
您将学到的内容：从描述性统计开始。您可能已经知道，这包括手段，中位数，标准偏差和四分位数。这些不仅是摘要号码。学会可视化发行版，并了解不同形状告诉您数据的行为。
概率下一步。了解概率和条件概率的基础知识。贝叶斯定理看起来可能有些困难，但这只是一种系统的系统方式，可以通过新的证据来更新您的信念。从垃圾邮件检测到医学诊断，这种思维模式无处不在。
关键资源：
第2部分：线性代数
学习资源：
第3部分：演算
资源：