پایه های آمار و احتمال برای یادگیری ماشینی

این دوره به شما مفاهیم، ​​تئوری و اجرای آمار اولیه، احتمال، آزمون فرضیه ها و تجزیه و تحلیل رگرسیون مورد نیاز برای ساخت و تفسیر مدل های یادگیری معنی دار را آموزش می دهد.
آنچه که شما
یادگیری اهمیت مقادیر P و آمار آزمون و نحوه استفاده از این را می توان برای پذیرفتن یا رد فرضیه صفر می آموزد، می تواند شما را به کشف انواع مختلف آزمون های T و یادگیری منجر شود برای انتخاب یک مورد مناسب برای مورد استفاده شما.
در این دوره، پایه های آمار و احتمال برای یادگیری ماشین، شما یاد خواهید گرفت که آمار برای تجزیه و تحلیل داده های اکتشافی و تست فرضیه را استفاده کنید.
اول، شما کشف خواهید کرد اندازه گیری گرایش مرکزی و پراکندگی از جمله میانگین، حالت، متوسط، محدوده و انحراف استاندارد.
پس از آن، شما مبانی احتمال و توزیع احتمالات را بررسی می کنید و یاد خواهید گرفت که چگونه خرابی ها و کورتوز می تواند به شما بینش مهمی در اطلاعات شما بدهد.
بعد، شما کشف خواهید کرد که چگونه می توانید آزمون فرضیه را انجام دهید و نتایج این آزمون های آماری را تفسیر کنید.
در نهایت، شما خواهید آموخت که چگونه مدل های رگرسیون را با یک پیشگویی ساده و رگرسیون چندگانه انجام دهیدبا پیش بینی های چندگانه، و شما مدل های رگرسیون خود را با استفاده از R-squared و تنظیم R-squared ارزیابی می کنید و مقدار P-statistic و P-value مرتبط با ضرایب رگرسیون را درک می کنید.
هنگامی که شما با این دوره به پایان رسید، شما باید داشته باشید مهارت ها و دانش آمار و تجزیه و تحلیل داده ها مورد نیاز برای به طور موثر کشف و تفسیر داده های خود را به عنوان پیشرو برای استفاده از تکنیک های یادگیری ماشین.

عنوان اصلی : Foundations of Statistics and Probability for Machine Learning

سرفصل های دوره :

مرور دوره
پیش نیازها و طرح درس
آمار توصیفی برای درک داده ها
اندازه گیری فرکانس و گرایش مرکزی
اندازه گیری پراکندگی
نسخه ی نمایشی: اندازه گیری گرایش مرکزی
نسخه ی نمایشی: اندازه گیری پراکندگی
احتمال و توزیع نرمال گاوسی
نسخه ی نمایشی: احتمال
نسخه ی نمایشی: توزیع نرمال
skewness و kurtosis
نسخه ی نمایشی: Skewness و Kurtosis
مراحل تست فرضیه
فرضیه فرضیه: چای مزه چای
نوع I و خطاهای نوع II
معرفی t-tests
انواع آزمون t
نسخه ی نمایشی: دو نمونه T-test Part I
نسخه ی نمایشی: دو نمونه T-test Part II
نسخه ی نمایشی: نمونه های زوجی t-test
اتصال نقاط با رگرسیون خطی
راه اندازی مشکل رگرسیون
تفسیر نتایج رگرسیون
نسخه ی نمایشی: کشف مجموعه داده ها
نسخه ی نمایشی: تجزیه و تحلیل رگرسیون با استفاده از یک پیش بینی کننده تک
نسخه ی نمایشی: پیش پردازش داده ها برای رگرسیون چندگانه
نسخه ی نمایشی: تجزیه و تحلیل رگرسیون با استفاده از پیش بینی های چندگانه
خلاصه و مطالعه بیشتر