لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش برآورد آماری برای علوم داده و هوش مصنوعی
- آخرین آپدیت
دانلود Statistical Estimation for Data Science and AI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره به معرفی استنباط آماری، توزیعهای نمونهبرداری و فواصل اطمینان میپردازد. دانشجویان یاد میگیرند که چگونه برآوردگرهای مناسب را تعریف و ایجاد کنند، با روش تخمین گشتاورها و تخمین بیشینه احتمال (MLE) آشنا شوند و روشهای ساخت فواصل اطمینان را برای محیطهای کلیتر بیاموزند.
این دوره میتواند به عنوان بخشی از واحدهای تحصیلی مقطع کارشناسی ارشد علوم داده (MS-DS) و کارشناسی ارشد هوش مصنوعی (MS-AI) دانشگاه کلرادو بولدر (CU Boulder) در پلتفرم کورسرا گذرانده شود. این مدارک بینرشتهای حاصل همکاری اساتید دپارتمانهای ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایر بخشهای دانشگاه بولدر است. با پذیرش مبتنی بر عملکرد و بدون نیاز به فرآیند پیچیده درخواست، مدارک CU در کورسرا برای افرادی با پیشزمینه تحصیلی یا تجربه حرفهای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایدهآل است.
برای کسب اطلاعات بیشتر درباره برنامه MS-DS به آدرس https://www.coursera.org/degrees/master-of-science-data-science-boulder مراجعه کنید.
برای کسب اطلاعات بیشتر درباره برنامه MS-AI به آدرس https://www.coursera.org/degrees/ms-artificial-intelligence-boulder مراجعه کنید.
سرفصل ها و درس ها
از اینجا شروع کنید!
Start Here!
به دنیای استنباط آماری خوش آمدید
Welcome to Statistical Inference
برآورد نقطهای
Point Estimation
متغیرهای تصادفی گسسته و توابع جرم احتمالی
Discrete Random Variables and Probability Mass Functions
متغیرهای تصادفی پیوسته و توابع چگالی احتمالی
Continuous Random Variables and Probability Density Functions
توزیعهای مشترک و استقلال
Joint Distributions and Independence
توزیع گاما
The Gamma Distribution
تبدیلهای توزیع
Transformations of Distributions
امید ریاضی و ویژگیهای آن
Expectation and Properties of Expectation
واریانس و کوواریانس
Variance and Covariance
برآوردگرها و توزیعهای نمونهبرداری
Estimators and Sampling Distributions
توزیع مجموعها
Distributions of Sums
برآوردگرهای روش گشتاورها
Method of Moments Estimators
تخمین بیشینه احتمال (MLE)
Maximum Likelihood Estimation
یک مثال انگیزشی
A Motivating Example
نمادگذاری، اصطلاحات و اولین مثالهای کامل
Notation, Terminology, and First Complete Examples
برآورد MLE برای پارامترهای متعدد و حمایتی
MLEs for Multiple and Support Parameters
ویژگی ناوردگاری (Invariance)
The Invariance Property
میانگین مربع خطا، بایاس و کارایی نسبی
Mean Squared Error, Bias, and Relative Efficiency
ویژگیهای نمونههای بزرگ در برآوردگرهای بیشینه احتمال
Large Sample Properties of Maximum Likelihood Estimators
اطلاعات فیشر و کران پایین کرامر-رائو
Fisher Information and the Cramer-Rao Lower Bound
سادهسازیهای محاسباتی برای CRLB
Computational Simplifications for the CRLB
قانون ضعیف اعداد بزرگ
The Weak Law of Large Numbers
قضیه حد مرکزی
The Central Limit Theorem
ویژگیهای نمونههای بزرگ در MLEها
Large Sample Properties of MLEs
فواصل اطمینان با استفاده از توزیع نرمال
Confidence Intervals Involving the Normal Distribution
بیایید یک فاصله اطمینان بسازیم!
Let's Build a Confidence Interval!
توزیعهای خی-دو (Chi-Squared) و t-توزیع
The Chi-Squared and t- Distributions
فواصل اطمینان در t-توزیع
t-Distribution Confidence Intervals
فواصل اطمینان برای تفاضل میانگینهای جامعه
Confidence Intervals for the Difference Between Population Means
فواصل اطمینان نمونههای کوچک برای تفاضل میانگینهای جامعه
Small Sample Confidence Intervals for the Difference Between Population Means
فراتر از نرمال بودن: بررسی جامع فواصل اطمینان
Beyond Normality: Confidence Intervals Unleashed!
فاصله اطمینان برای نسبتها
A Confidence Interval for Proportions
فواصل اطمینان برای واریانسها
Confidence Intervals for Variances
فاصله اطمینان برای نسبت واریانسها
A Confidence Interval for a Ratio of Variances
چه کسی به توزیع نرمال نیاز دارد؟
Who Needs Normality?
فواصل اطمینان کلی ۲
General Confidence Intervals 2
نمایش نظرات