データサイエンスのための数学入門 Pythonで学ぶ線形代数、確率、統計の基礎

データサイエンスや機械学習を支える数学を実践的に学ぶ！
本書は、データサイエンスに欠かせない微積分・確率・線形代数・統計を、線形回帰・ロジスティック回帰・ニューラルネットワークといった実践的なアルゴリズムと結びつけて学べるハンズオンガイドです。数式による説明を最小限に抑え、SymPy、NumPy、scikit-learnなどのコード例を通じて直感的に理解し、実際に活用する力を養います。後半では、市場で評価されるスキルセットやデータサイエンス分野でのキャリア構築に役立つ実践的アドバイスも提供しています。読み終える頃には、強固な数理基盤と実践力を備え、自信を持って現場で活躍できる力が身についているはずです。

【著者紹介】
トーマス・ニールド : Ｎｉｅｌｄ　Ｃｏｎｓｕｌｔｉｎｇ　Ｇｒｏｕｐの創設者。Ｏ’Ｒｅｉｌｌｙ　Ｍｅｄｉａや南カリフォルニア大学で講師を務めている。技術文書に馴染みがない人や技術文書が苦手な人にも親しみやすくわかりやすいコンテンツを提供することが大好きで、データ分析、機械学習、数理最適化、ＡＩシステムの安全性、実用的なＡＩなどに関するコースで定期的に教鞭を執っている。フライトシミュレーションや無人航空機用の汎用ハンドヘルドコントローラーを開発する企業であるＹａｗｍａｎ　Ｆｌｉｇｈｔの創業者でもあり、発明家としての一面も持っている

江川崇 : Ｓｍａｒｔｉｕｍ株式会社代表取締役。現場での機械学習関連技術の適用やエンジニアリングを手がけるソフトウェアデベロッパー。専門領域は自然言語処理。かつてはＡｎｄｒｏｉｄのデベロッパーとして２００９年から２０１９年までＡｎｄｒｏｉｄのＧｏｏｇｌｅ　Ｄｅｖｅｌｏｐｅｒ　Ｅｘｐｅｒｔ（旧：Ｇｏｏｇｌｅ　ＡＰＩ　Ｅｘｐｅｒｔ）を務めた（本データはこの書籍が刊行された当時に掲載されていたものです）