آموزش مبانی یادگیری ماشین: احتمال

Machine Learning Foundations: Probability

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

اگر با مدل‌های یادگیری ماشین کار می‌کنید، احتمالاً می‌دانید که مدل‌های شما بر اساس تخمین و تقریب هستند. احتمال همه چیز و بیشتر است - اما چگونه از آن به نفع خود استفاده می کنید؟

در این دوره، سومین قسمت از مجموعه مبانی یادگیری ماشین، به مربی Terezija Semenski بپیوندید تا احتمالات، مفاهیم اصلی و عملکردهای آن و نحوه استفاده از آن برای طراحی، پیاده سازی و مدیریت قابل اعتمادتر را بررسی کنید. الگوریتم های یادگیری ماشینی در طول مسیر، برخی از ضروری‌ترین ابزارها و تکنیک‌هایی را که برای مدل‌سازی احتمالی موفق، بیرون کشیدن از قوانین احتمال، احتمال مشترک و حاشیه‌ای، توزیع‌های احتمال گسسته، توزیع‌های احتمال پیوسته، قضیه بیز و غیره باید بدانید، کشف کنید./p>


سرفصل ها و درس ها

معرفی Introduction

  • احتمال یادگیری ماشین (در حال انجام) Probability for machine learning (In progress)

  • آنچه شما باید بدانید What you should know

1. مقدمه ای بر احتمال 1. Introduction to Probability

  • تعریف احتمال Defining probability

  • کاربردهای احتمال در ML Applications of probability in ML

  • نمونه فضا و رویدادها Sample space and events

  • متغیرهای تصادفی Random variables

  • نمونه هایی از احتمال Examples of probability

  • امتحان فصل Chapter Quiz

2. قواعد احتمال 2. The Rules of Probability

  • احتمال وقوع یک رویداد Probability of an event

  • قانون جمع The sum rule

  • قانون محصول The product rule

  • قانون جمع تمدید شد The sum rule extended

  • احتمال مشروط Conditional probability

  • احتمال کل Total probability

  • امتحان فصل Chapter Quiz

3. احتمال مشترک و حاشیه ای 3. The Joint and Marginal Probability

  • احتمال مشترک و حاشیه ای Joint and marginal probability

  • جداول احتمال مشترک Joint probability tables

  • قانون زنجیره ای برای احتمال The chain rule for probability

  • امتحان فصل Chapter Quiz

4. توزیع های احتمال گسسته 4. Discrete Probability Distributions

  • توزیع های احتمال Probability distributions

  • هیستوگرام و احتمال Histograms and probability

  • توزیع احتمال گسسته Discrete probability distribution

  • توزیع دو جمله ای The binomial distribution

  • توزیع برنولی The Bernoulli distribution

  • توزیع پواسون The Poisson distribution

  • امتحان فصل Chapter Quiz

5. توزیع احتمالات پیوسته 5. Continuous Probability Distributions

  • توزیع احتمال پیوسته The continuous probability distribution

  • تئوری حد مرکزی Central limit theorem

  • قانون اعداد بزرگ The law of large numbers

  • امتحان فصل Chapter Quiz

6. قضیه بیز 6. The Bayes' Theorem

  • مقدمه ای بر قضیه بیز Introduction to Bayes' theorem

  • مثالی از قضیه بیز در عمل Example of Bayes' theorem in practice

  • طبقه بندی کننده ساده لوح بیز Naive Bayes' clasifier

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش مبانی یادگیری ماشین: احتمال
جزییات دوره
1h 24m
34
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Terezija Semenski Terezija Semenski

توسعه دهنده نرم افزار، ریاضیدان، نویسنده و یادگیرنده

Terezia Semenski به عنوان یک ریاضیدان و توسعه دهنده نرم افزار کار می کند. ترزیجا با یک ذهن تجاری، ذهنیت یادگیری و اشتیاق به مردم به زندگی نزدیک می شود. او تجربه ای به عنوان توسعه دهنده نرم افزار و سرپرست تیم QA در پروژه های توسعه برنامه آموزشی، مالی و بانکی دارد. او همچنین در بخش آموزش و تدریس دروس IT و ریاضیات کار کرده است. ترزیجا در حال حاضر به عنوان یک مربی آزاد و توسعه دهنده نرم افزار کار می کند و اولین کتاب خود را می نویسد.