آموزش مبانی یادگیری ماشین: احتمال

Machine Learning Foundations: Probability

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      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.