Mathematical Introduction to Data Science

Considerăm acest volum un instrument esențial pentru studenții la matematică și informatică, nivelul de experiență cerut fiind cel al unui absolvent al cursurilor fundamentale de licență. Lectura presupune o bază solidă în calcul, algebră liniară și probabilități, fiind concepută pentru a asigura tranziția de la teoria pură la aplicațiile riguroase din Machine Learning. Subliniem că Mathematical Introduction to Data Science nu este un simplu manual de utilizare a algoritmilor, ci o explorare a fundamentelor logice care stau la baza acestora. Structura progresivă a cărții facilitează o înțelegere aprofundată: începe cu modelele de regresie și k-nearest neighbors, trece prin tehnici de clustering și analiză spectrală (SVD), ajungând la complexitatea rețelelor neuronale și a optimizării prin gradient descent. Remarcăm includerea unor capitole dedicate fenomenelor specifice spațiilor înalt dimensionale, precum „blestemul și binecuvântarea dimensionalității” și concentrarea măsurii, elemente critice pentru orice specialist în date. Cititorul care a aplicat ideile din Mathematical Foundations for Data Analysis de Jeff M. Phillips va găsi aici o continuare firească, ce pune un accent sporit pe demonstrații matematice formale și pe mecanismele interne ale metodei kernel sau ale vectorilor Gaussieni. Cele 121 de exerciții incluse sunt verificate pedagogic, oferind cadrul necesar pentru validarea cunoștințelor teoretice acumulate.