Um conjunto de recursos que encontrei por acaso: "Livro Iris: da adição, subtração, multiplicação e divisão ao aprendizado de máquina" . Este conjunto de livros integra "Cálculo" , "Álgebra Linear" , "Probabilidade e Estatística" , "Problemas de Otimização" , "Geometria" , "Ciência de Dados" , "Aprendizado de Máquina" e assim por diante.
❝"Prefácio do autor:" O propósito da minha criação deste "atlas" é muito simples, para dar a todos uma nova motivação para "aprender e usar matemática" - ciência de dados e aprendizado de máquina. Que todos se interessem em aprender matemática, entendam, pensem sobre ela, sejam mais confiantes, usem-na e até sintam a beleza da matemática.
Para permitir que todos aprendam matemática, usem a matemática e até se apaixonem pela matemática, o autor se esforçou muito. Ao criar este conjunto de livros, o autor tentou ao máximo superar as várias desvantagens dos livros didáticos tradicionais de matemática, para que todos possam se interessar, serem compreensíveis, imagináveis, mais confiantes e úteis ao aprender.
Para tanto, a série destaca as seguintes características na criação de conteúdo:
"Matemática + Arte" - diagramas coloridos, visualização extrema, permitem que as ideias matemáticas ganhem vida no papel, vívidas e interessantes, entendam rapidamente e, ao mesmo tempo, melhorem o pensamento de dados, a imaginação geométrica e o senso artístico de todos;
"Baseado em zero" - aprenda programação Python do zero, desde a escrita da primeira linha de código até a criação de aplicativos de ciência de dados e aprendizado de máquina;
"Rede de conhecimento" - quebre as barreiras entre as seções de matemática, deixe que todos vejam as conexões entre aritmética, álgebra, geometria, álgebra linear, cálculo, estatísticas de probabilidade e outras seções e teça uma densa rede de conhecimento matemático;
"Programação prática" - ensine as pessoas a pescar em vez de pescar, escrever códigos com todos, criar animações matemáticas e aplicativos interativos com o Streamlit;
"Aprendendo ecologia" - Construindo um ambiente ecológico de aprendizagem de pesquisa independente "vídeo de microaula + livros em papel + e-books + arquivos de código + ferramentas de visualização + mapas mentais", fornecendo vários recursos de aprendizado de alta qualidade;
"Teoria + Prática" - da adição, subtração, multiplicação e divisão ao aprendizado de máquina, o conteúdo da série é organizado do superficial ao profundo, em espiral, levando em consideração a teoria e a prática; aprenda matemática enquanto aprende matemática e resolva problemas práticos enquanto aprende matemática.
Embora este livro anuncie "da adição, subtração, multiplicação e divisão ao aprendizado de máquina", recomenda-se que os leitores e amigos tenham pelo menos conhecimento de matemática do ensino médio. Se o leitor está estudando ou estudou matemática universitária (cálculo, álgebra linear, probabilidade e estatística), este conjunto de livros é mais fácil de ler.
❞
Os principais recursos deste conjunto de recursos: "diagramas coloridos + programação Python + criação de aplicativos + microaulas" .
O livro é totalmente open source, e Python
o endereço de download em PDF de documentos e manuscritos:
https://github.com/Visualize-ML/
Há 7 volumes em toda a série:
"Programar não é difícil" Book1_Python-For-Beginners
Livro "Beleza Visível" 2_Beleza-da-Visualização de Dados
Livro "Elementos da Matemática" 3_Elementos-da-Matemática
"Matrix Power" Book4_Power-of-Matrix
Livro "Estatísticas para Jane" 5_Essentials-of-Probability-and-Statistics
Livro "Data Youdao" 6_Primeiro Curso de Ciência de Dados
Livro "Machine Learning" 7_Visualizations-for-Machine-Learning
❝É uma pena que o autor ainda não tenha concluído tudo, mas li a parte de álgebra, que é fácil de entender e muito adequada para iniciantes. Todos leem os atualizados e você pode lembrá-los quando chegar a hora (×).
❞
Aqui estão algumas prévias do conteúdo do livro
conteúdo anterior
Como desenhar esta figura | Gráfico de dispersão um pouco complicado
Como desenhar esta figura | Gráfico pirulito de análise de correlação
(Tutorial gratuito + coleção de códigos) | Siga o Cell para aprender a coleção de séries de desenhos
Siga Cell para aprender a desenhar | Mulberry map (ggalluvial)
R combate real | Estabelecimento do modelo de regressão de laço e triagem de variáveis
R combate real | Adicione um círculo ao agrupamento (ggunchull)
R combate real | Análise de série temporal de dados NGS (maSigPro)
Aprenda a desenhar com Cell | Diagrama de Venn (ggVennDiagram)