·
关注 发表在 Towards Data Science · 作为 新闻通讯 发送 · 3 分钟阅读 · 2023 年 3 月 23 日
--
数学常常引发从事数据相关职业的专业人士强烈的情感。有些人因为热爱数学而想成为数据科学家。另一些人则需要克服对这个主题的根深蒂固的焦虑，才能在职业中找到自己的立足点；即便如此，他们可能还是会尽量少用数学知识。
不论你的个人经验如何，我们希望你喜欢这篇热情和耐心探讨数学之美（及复杂性）的文章合集。这些文章从初学者友好到更高级的主题都有，你一定能找到感兴趣的内容，无论你从上一个训练营、大学课程，还是——哎呀！——高中课程中记住了多少。
-
逻辑回归的易懂介绍。统计学是数据科学家最常遇到的数学子领域，其中逻辑回归是他们需要掌握的关键概念之一。如果你处于学习的早期阶段，不要错过Shreya Rao精美插图的基础指南。
-
对核函数感到困惑？现在不再困惑。根据Shubham Panchal的说法，核函数是“用于机器学习和统计学中的美丽数学概念，有多种形式。”它们的多样性可能使它们显得令人困惑，但 Shubham 的解释将帮助你清晰地看到如何在机器学习应用中使用它们。
图片来源：Kristin Snippe 于 Unsplash
-
选择正确路径的挑战。如果你正在处理一个复杂的数学优化问题，知道哪种方法在具体情境中最合适可能会很困难。Hennie de Harder的解释带我们了解如何在精确算法（如线性或混合整数规划）和启发式算法（如遗传算法和粒子群优化）之间做出选择。
-
揭开经典概率谜题的复杂性。Naman Agrawal邀请我们跟随他解决“挑战我们对周围世界理解”的优惠券收集者问题。在过程中，Naman 还讨论了这个问题的复杂性及其对计算机科学和经济学等各个领域的影响。
这周我们还有一些阅读推荐——希望你还没厌倦数学！尽情享受：
-
在我们真正告别数学之前，看看Bex T.关于在 Python 中创建惊艳分形艺术的详细教程。
-
Yennie Jun对美国图书禁令的惊人趋势背后的数据进行了彻底而直言不讳的分析。
-
机器学习与时尚的碰撞在Federico Bianchi的 FashionCLIP 介绍中体现：一个新的领域特定的视觉和语言模型。
-
随着三月疯狂进入其（几乎）最后阶段，现在是阅读Giovanni Malloy关于大学篮球 NET 排名如何运作的解释文章的好时机。
-
如果你的教育或职业道路不那么传统，数据科学工作依然触手可及—Madison Hunter解释了如何利用非传统背景获得最大收益。
感谢你这周的时间和支持！如果你喜欢我们发布的内容（并希望访问所有内容），可以考虑成为 Medium 会员。
直到下一个变量，
TDS 编辑