📚 Mathematics of Data Science es un libro abierto sobre los fundamentos matemáticos que sostienen la ciencia de datos moderna. Sus autores organizan el material como un recorrido desde álgebra lineal y probabilidad hasta aprendizaje profundo.
El contenido cubre fenómenos de alta dimensión, descomposición en valores singulares y PCA, regresión lineal y regularización, grafos y clustering, reducción no lineal, proyecciones aleatorias y optimización.
También aborda clasificación, una introducción matemática al deep learning, concentración de medida, desigualdades matriciales, compressed sensing y recuperación de matrices de bajo rango.
🧠 La propuesta ayuda a conectar técnicas que suelen enseñarse por separado. Por ejemplo, SVD explica PCA, la regularización relaciona geometría con generalización, y los grafos permiten estudiar comunidades y representaciones de datos.
💡 Explicación en pocas palabras#
La ciencia de datos no es solo usar bibliotecas: muchas de sus herramientas se apoyan en unas pocas ideas matemáticas. Este libro funciona como un mapa para entender cómo esas ideas —matrices, probabilidad, optimización y geometría— se convierten en algoritmos.
Más información en el link 👇
