🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آمار بیزی برای علم داده
- آخرین آپدیت
دانلود Bayesian Statistics for Data Science
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آمار بیزی: آموزش جامع و کاربردی با مثالهای R و Stan
یک دانشمند داده سابق گوگل به شما کمک میکند تا اصول آمار بیزی را با مثالهای کاربردی در R و Stan به طور کامل یاد بگیرید. در این دوره، شما:
درک خواهید کرد که چگونه قانون بیز برای بهروزرسانی باورها استفاده میشود.
از توزیعهای پیشین و تابع درستنمایی مزدوج برای مدلسازی دادههای باینری، شمارشی و پیوسته استفاده خواهید کرد.
مفاهیم توزیعهای پیشین، توزیعهای پسین، توابع درستنمایی و توزیعهای پیشبینی را درک خواهید کرد.
یاد میگیرید که چگونه از نرمافزارهای آماری برای محاسبه و تجسم اطلاعات مربوط به باورهای خود استفاده کنید.
پیش نیازها:
مهارت قوی در جبر پایه و حساب مورد نیاز است. آشنایی با حساب دیفرانسیل و انتگرال مفید است، اما الزامی نیست.
این دوره مطالب اساسی آمار را که در یک دوره مقدماتی دانشگاهی پوشش داده میشود، آموزش میدهد، با تمرکز بر تسلط بر اجزای اصلی هر مدل بیزی - توزیع پیشین و تابع درستنمایی، و نحوه یافتن توزیع پسین، بازههای اطمینان و توزیعهای پیشبینی. در طول مسیر، با احتمال به طور کلی راحتتر خواهید شد و دیدگاه جدیدی در مورد نحوه تجزیه و تحلیل دادهها به دست خواهید آورد!
ما از ابتدا شروع میکنیم - هیچ تجربهای در آمار بیزی لازم نیست. دانشجویان باید درک قوی از جبر پایه و حساب داشته باشند. R و RStudio، یا پایتون، در صورت تمایل به اجرای بخشهای کدنویسی اختیاری مورد نیاز است.
این دوره شامل:
5.5 ساعت فیلم آموزشی
نمایشهای تعاملی با استفاده از R و Stan (کد پایتون نیز گنجانده شده است!)
آزمونهایی برای بررسی درک شما
تمرینهای مروری با راه حل برای تمرین آنچه آموختهاید
شما خواهید آموخت:
قوانین اساسی احتمال
قانون بیز، از جمله مثالهای رایج با آزمایشهای پزشکی و پرتاب سکه
اصطلاحات اجزای مختلف یک مدل بیزی: توزیع پیشین، پسین، تابع درستنمایی و توزیع پیشبینی
توزیعهای پیشین مزدوج
بازههای اطمینان و تخمینگرهای بیز
مدلسازی دادههای باینری با توزیع برنولی و دوجملهای و توزیع پیشین بتا
مدلسازی دادههای شمارشی با توزیع پواسون و توزیع پیشین گاما
مدلسازی دادههای پیوسته با توزیع نرمال و توزیع پیشین نرمال
مقدمهای بر رگرسیون خطی ساده
این دوره برای انواع مختلف دانشآموزان ایدهآل است:
هر کسی که میخواهد اصول آمار بیزی را بیاموزد و مفاهیمی مانند توزیعهای پیشین، پسین و بازههای اطمینان را درک کند.
متخصصان علم داده و تحلیل داده که میخواهند دانش آمار خود را تجدید و گسترش دهند.
دانش پژوهان در علوم اجتماعی، زیستی و فیزیکی
این دوره برای هر کسی، از مبتدی تا متخصصان با تجربه، ایدهآل است. مهم نیست که تازه سفر خود را در علم داده شروع کردهاید، به دنبال ارتقای مهارتهای موجود خود هستید یا صرفاً به آمار بیزی علاقه دارید. هدف من این است که آمار بیزی را برای همه قابل دسترس و قابل درک کنم.
نمایش نظرات