Relação entre Dados e Espaços de Muitas dimensões

Lendo o livro (Elementos-da-teoria-de-aprendizagem-de-maquina-supervisionada) do grupo de aprendizado de máquina de Florianópolis ministrada pelo russo, achei uma recomendação legal, Foundations of Data Science - Avrim Blum, John Hopcroft and Ravindran Kannan

Gostei da introdução, exemplo quando fala sobre Geometria de Alta dimensão:

... Modern data indiverse fields such as Information Processing, Search, Machine Learning, etc., is oftenrepresented advantageously as vectors with a large number of components. This is soeven in cases when the vector representation is not the natural first choice...

esta citação é da versão de 2016, achei melhor que a definição da versão 2019 do livro.
A introdução dos dois livros são muito boas.

Outro livro citado foi The Nature of Statistical Learning Theory de Vladimir Vapnik, li um pedaço da introdução, também muito interessante, ele faz um resgate sobre o problema  de aprendizagem e divide o tema em quatro períodos:
- O Perceptron de Rosenblatt (1960)
- Construção dos fundamentos da teoria do aprendizado (1960-70)
- Redes Neurais (1980)
- Retorno as origens (1990)

Pode ser útil

Pesquisar sobre Inferência em Amostras Pequenas
termos relacionados:

• reamostragem
• bootstrap
• cross validation
• Jackknife 

Exemplo
A Gentle Introduction to the Bootstrap Method
https://tinyurl.com/y8xpeh2y

Cadeia de Markov explicação Interativa

Ótima expçicação do site Explained Visually

Markov Chains
http://setosa.io/ev/markov-chains/

Legal de ver também do mesmo site
Eigenvectors and Eigenvalues
Principal Component Analysis
Eigenvectors and Eigenvalues
Image Kernels (usado na extração de características em imagens)

[24.10.2121]

Deep Learning with Tensorflow 2.0

sobre Eigendecomposition - eigenvectors e eigenvalues.
assim como decompomos um número 12 como 2*2*3
pode-se decompor uma matriz em eigenvectors e eigenvalues.
Um eigenvector (autovetor) de uma matriz quadrada A é um vetor diferente de zero v tal que a multiplicação por A altera apenas a escala de v, em suma, este é um vetor especial que não muda a direção da matriz quando aplicado a ele:
    Av=λv
A escala (o escalar) λ é conhecida como o autovalor correspondente a este autovetor.

Determinante
O determinante de uma matriz quadrada, denotado det (A), é uma função que mapeia matrizes para escalares reais.
==>>> The determinant is equal to the product of all the eigenvalues of the matrix.

Plano de Estudo para se tornar um Cientista de Dados

Sugestão de um roteiro de estudo para se tornar um cientisa de dados, muito bom.

The most comprehensive Data Science learning plan for 2017

Beginner’s Path for 2017

• Step 1: Getting started and testing the waters
• Step 2: Mathematics & Statistics
  - Introdução à Estatística Descritiva
• Step 3: Introducing the tool – R / Python
• Step 4: Basic & Advanced machine learning tools
• Step 5: Building your profile
• Step 6: Applying for Jobs / Internships

Intermediate’s Path for 2017

• Step 1: Assessing your technical & Structured thinking skills
• Step 2: A few more ML algorithms
• Step 3: Pick up a data visualization tool
• Step 4: Big Data tools and techniques
• Step 5: Deep Learning Basic and Advanced
• Step 6: Reinforcement Learning
• Step 7: Web frameworks & Cloud Computing

Sugestão de Leituras
How to train your mind for analytical thinking?
Your Guide to Master Hypothesis Testing in Statistics
Useful tools to improve structured thinking
The 10 Statistical Techniques Data Scientists Need to Master