本书简介

本书是专门为纽约大学数据科学中心的数据科学概率和统计课程编写的教材。其主要目标是从基本原理出发，介绍概率和统计的基本概念。数据科学可以被简要地定义为一系列从数据中提取有用知识的技能和技术。这些技能通常可以用德鲁·康威（Drew Conway）提出的维恩图来表示。

本书的核心概念

维恩图由三个重叠的圆圈组成，分别代表三个不同的领域：编程（包括编程语言、库、设计模式和架构等）、数学（如代数和微积分）以及数据科学（涵盖特定领域的知识，如医疗、金融和工业等）。这些领域共同构成了数据科学的技能和技术，包括数据收集、数据清洗、数据分析、假设构建、算法开发、机器学习、优化和结果可视化等。

本书目录

（此处省略了目录的具体内容）

本书内容展示

（此处省略了内容截图的具体内容）

本书下载链接

若需获取本书的免费PDF版本，请访问个人主页并发送私信，回复关键字“mht20”以获得下载链接。

推荐内容

以下是部分精选内容推荐：

• 目标检测门槛高？一步教你掌握RCNN系列算法
• 计算机视觉（CV）历史最全预训练模型（部署）汇集分享
• 2020年NLP所有领域最新、经典、顶会、必读论文整理分享
• 旧书《Bandit问题——基础、算法、理论、应用》分享
• MIT《计算系统生物学：生命科学中的深度学习》课程（2020）视频及PPT免费分享
• MIT新课《6.824分布式系统2020春》视频及PPT分享
• AAAI2020——图神经网络（GNN）过去、现在、应用和未来最新研究进展分享
• CMU新课《神经网络与自然语言处理2020春》视频及PPT分享
• 深度学习、强化学习、图神经网络、自然语言处理等AI课程超级大列表（最新版）
• 深度图生成对抗网络模型——Jure Leskovec（斯坦福大学）
• 2020机器学习系列旧书《机器学习基础》PDF完整版分析

以上内容均可以通过个人主页的私信功能，回复关键字“his”获取详细文章链接。