[NewBlueSky]

Jaka ksiazka pod ML/statystyke, jakies zyciowe zagadnienia do uzycia przynajmniej w programowaniu sobie czegos hobbistycznie ew z zabawy z matematyka? Albo cos o optymalizacji "funkcji" ?

Na studiach typo z cwiczen co jako jedyny przerabiał tylko matematyczna strone ML/AI/Analizy danych miał jakas biblie po angielsku ale nie pamietam ani tytułu ani autora bo bym sobie przeczytał cała xD

#informatyka #statystyka #matematyka #studia #programowanie

[Blomex]

@NewBlueSky: pewnie coś w stylu introduction to statistics, nie pamiętam dokładnej nazwy

[tomekgz]

@NewBlueSky: https://wydawnictwo.btc.pl/matematyka/178794-podstawy-statystyki-z-przykladami-w-r.html Bardzo dobra pozycja, także dla osób "startujących prawie od zera".

[NewBlueSky]

@tomekgz: możliwe xd ale trochę mam uczulenie na R, pamiętam jak raz coś robiliśmy z grafami i biblioteka co była używana/polecona przez wykładowcę miała imo #!$%@? dokumentację + komunikaty błędów mało mówiły jak ktoś nie znal się na R (bo to były jakieś podstawowe problemy)

Juz chyba bym wolał czystą matematykę xD

[tomekgz]

@NewBlueSky: Jak Introduction to, to pewnie wydawnictwo Springer.

[NewBlueSky]

@tomekgz: oni wydają jakieś podręczniki na wysokim poziomie wartościowo (nie ze techniczne aspekty jak wykonanie książki)? bo Springer i niektóre itp wydawnictwa kojarzą mi się z przepłaconymi prestiżowymi wydawnictwami, gdzie konferencje naukowe itp zgromadzenia mogły/mogą sobie z nich korzystać aby wydawać jakieś wyniki obrad i pokazać uznanie xDD

[tomekgz]

@NewBlueSky: @NewBlueSky: Kilka pozycji przejrzałem lub przeczytałem, nie zawsze to było "zjadliwe". Niedawno sobie przeglądałem pdfy (na video nie mam czasu) z wykładów z Uniw. Moskiewskiego, które są dostępne / cały program studiów w necie. Bardzo dobrze opracowane (jak ktoś lubi teortię), jeśli ktoś zna cyrylicę. Bo słów za dużo nie trzeba znać, wszystko tłumaczy się "samo".

[Grzegiii]

@NewBlueSky: https://www.statlearning.com/ klasyk i za free :)

[kapitanwprdl]

@NewBlueSky: "The Elements of Statistical Learning", Trevor Hastie, Robert Tibshirani, Jerome Friedman; "Matematyka w Uczeniu Maszynowym" Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong; "Statystyka Praktyczna w Data Science" Peter Bruce, Andrew Bruce, Peter Gedeck.

Podałem od najtrudniejszej do najłatwiejszej.