Комментарии 4
Такая алгебра точно не нужна. У Вас подразумевается евклидово пространство и тривиальная операция сложения. Это хорошо для простых случаев, но они и так хорошо изучены. А в большинстве современных задач будете так складывать тёплое с мягким или 1.5 землекопа + 0.5 землекопа у Вас получится 2 землекопа.
Сложно понять, что вам не понравилось в "такой алгебре". Я не против складывать 1.5 + 0.5 землекопа. В общем-то и теплое с мягким, когда это два вектора, превращенные линейной комбинацией в главную компоненту с интерпретацией 'комфорт".
Приведите пример другой алгебры полезной в прикладном смысле, относительно data science (это ведь тема статьи)
Автор не врет, когда говорит что специалисту в Data science без знания таких концепций не стать настоящими профессионалом.
Сам как аналитик данных подтверждаю, что даже базовое понимание линейной алгебры очень хорошо прокачивает спеца.
А если говорить про инетпретируемый анализ данных, то более сложная математика зачастую противопоказана
Хорошая обзорная статья, полностью согласен с выводами. Я бы еще добавил, что специалисту по DS полезно было бы еще освоить операции линала в numpy - порой помогает писать значительно более быстрый код
В "косинусное сходство" непонятный компонент timesBi
Matrix Reloaded: зачем дата-сайентисту линейная алгебра