برای ماشین‌لرنینگ چه مباحثی از ریاضی باید بلد باشید؟! 🤖

#tips #ml #machine_learning #math
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

برای دیتاساینس باید این مفاهیم ریاضی را بلد باشین 💫

1- جبر خطی
2- احتمالات
3- آمار

👇 اگر دوست دارین یاد بگیرین ویدیو زیر رو ببینید:
🎥 https://www.youtube.com/watch?v=fGV2rxn42R4

#video #learn #math #data_science
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

10 مخزن گیت‌هاب برای استاد ریاضی شدن!

1. TalalAlrawajfeh/mathematics-roadmap
2. ManimCommunity/manim
3. CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers
4. Experience-Monks/math-as-code
5. mml-book/mml-book.github.io
6. rossant/awesome-math
7. ossu/math
8. dair-ai/Mathematics-for-ML
9. jonkrohn/ML-foundations
10. pim-book/programmers-introduction-to-mathematics

+اطلاعات بیشتر+

#math
〰️〰️〰️〰️〰️〰️〰️
@programming_tips

[معرفی کتاب] 📚
🔷 Math for Programming by Ronald T. Kneusel

کتاب Math for Programming نوشته‌ی Ronald T. Kneusel یک منبع جمع‌وجور و کاربردی برای یادگیری ریاضیِ موردنیاز برنامه‌نویسی است. این کتاب سراغ مفاهیم مهمی مثل منطق، مجموعه‌ها، ترکیبیات، احتمال، آمار، جبر خطی و حتی بخش‌هایی از حسابان می‌رود تا نشان دهد این مباحث چطور در حل مسئله‌ها و توسعه نرم‌افزار به کار می‌آیند. نویسنده تلاش کرده ریاضی را از حالت خشک و ترسناک خارج کند و با مثال‌های قابل‌فهم برای برنامه‌نویس‌ها توضیح بدهد. اگر می‌خواهی پایه ریاضی‌ات را برای کدنویسی، تحلیل الگوریتم‌ها یا حتی کارهای داده‌محور قوی‌تر کنی، این کتاب انتخاب خوبی است.

#math #programming
〰️〰️〰️〰️〰️〰️〰️
@programming_tips