Учебники по Data Science

Практическое руководство по геометрическим рядам: формулы для конечной и бесконечной сумм, условия сходимости и реальные примеры из финансов, физики и информатики.

Практическое руководство по рядам Маклорена: базовая формула, распространённые разложения, правила сходимости и реальные применения в численных методах, физике и машинном обучении.

GELU — плавная вероятностная функция активации, которая превосходит более простые альтернативы вроде ReLU в глубоких архитектурах и стала стандартом в трансформерах, таких как BERT и GPT.

Метод Ньютона — итерационный алгоритм поиска корней, использующий аппроксимации касательной прямой, чтобы приблизиться к решению уравнений без замкнутой формулы.

Критерий Манна—Уитни — это непараметрический ранговый тест для сравнения двух независимых групп, когда не выполняется предположение о нормальности, необходимое для t‑теста.

Узнайте, как полиномиальная регрессия помогает моделировать нелинейные зависимости и повышать точность прогнозов на реальных данных.

Пошаговое руководство по разложению по алгебраическим дополнениям (Лапласа): основные определения, разбор примеров, ключевые свойства и связь с обращением матрицы через присоединённую матрицу.

Узнайте, что такое тест на нормальность, зачем он нужен и как использовать популярные методы — Шапиро—Уилка, Колмогорова—Смирнова и визуальные проверки — на примерах в Python и R.

Практическое введение в дифференциальные уравнения: основные типы и классификация, аналитические и численные методы решения и их реальная роль в градиентном спуске, регрессии и моделировании временных рядов.

Узнайте, как полиномиальные аппроксимации лежат в основе градиентного спуска, XGBoost и функций, которые ваш компьютер вычисляет каждый день.