آموزش یادگیری ماشین و مبانی هوش مصنوعی: پیش‌بینی، علیت و استنتاج آماری

Machine Learning and AI Foundations: Prediction, Causation, and Statistical Inference

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
در دنیای علوم داده ها، یادگیری ماشین و آمار اغلب با هم توزیع می شود، اما آنها به اهداف مختلف خدمت می کنند و در یکی از آنها به معنای تخصص دیگری نیستند. در حقیقت، استفاده از یک رویکرد آماری به یک مشکل یادگیری ماشین، یا بالعکس، می تواند منجر به سردرگمی بیش از توضیح شود. در این دوره، کیت McCormick چگونه آمار و یادگیری ماشین متفاوت است، زمانی که برای استفاده از هر یک، و نحوه استفاده از تمام ابزارها در اختیار شما برای روشن و قانع کننده زمانی که شما نتایج خود را به اشتراک بگذارید. او موضوعاتی را پوشش می دهد: چرا همبستگی شواهد کافی درباره علیت است؛ تفاوت بین داده های تجربی و مشاهدات؛ و تفاوت بین آمار سنتی و آمار بیزی. کیت همچنین به علیت نگاه می کند، یک موضوع حیاتی در هنگام استفاده از آمار و یادگیری ماشین برای اثبات چیزی باعث می شود چیز دیگری باشد. اگر مدل های یادگیری ماشین را بسازید، تجزیه و تحلیل آماری را اجرا کنید یا به خصوص اگر هر دو را انجام دهید، این دوره برای شماست.

سرفصل ها و درس ها

معرفی Introduction

  • پیش بینی، علیت و استنتاج آماری Prediction, causation, and statistical inference

1. مدل کژوال چیست؟ 1. What Is a Casual Model?

  • خانم در حال چشیدن چای Lady tasting tea

  • چرا علیت در یک محیط تجاری اهمیت دارد؟ Why causation matters in a business setting

  • مدل علی چیست؟ What is a causal model?

  • امتحان فصل Chapter Quiz

2. شک و تردید سالم در مورد داده ها و نتایج ما 2. Healthy Skepticism about Our Data and Our Results

  • شک و تردید در مورد داده ها: نظرسنجی انتخابات ترومن 1948 Skepticism about data: Truman 1948 Election Poll

  • شک و تردید در مورد نتایج: آیا این واقعا بهترین پیش بینی است؟ Skepticism about results: Is that really the best predictor?

  • شک و تردید در مورد علل: آیا X واقعا باعث Y می شود؟ Skepticism about causes: Is X really causing Y?

  • امتحان فصل Chapter Quiz

3. همبستگی دلالت بر علیت ندارد 3. Correlation Does Not Imply Causation

  • همبستگی قوی چیست؟ What is a strong correlation?

  • پیرسون در مورد همبستگی و علیت Pearson on correlation and causation

  • همبستگی و رگرسیون Correlation and regression

  • چالش: چه چیزی باعث می شود چه چیزی؟ Challenge: What is causing what?

  • راه حل: چه چیزی باعث چه چیزی می شود؟ Solution: What is causing what?

  • امتحان فصل Chapter Quiz

4. پیش بینی و اثبات در آمار 4. Prediction and Proof in Statistics

  • استفاده از احتمال برای اندازه گیری عدم قطعیت Using probability to measure uncertainty

  • بررسی p-value p-value review

  • چک لیست آزمون فرضیه Hypothesis testing checklist

  • طالب در مورد عادی بودن، متوسط، و افراط گرایی Taleb on normality, mediocristan, and extremistan

  • چالش: یافته های مهم را ارزیابی کنید Challenge: Evaluate significant finding

  • راه حل: یافته های مهم را ارزیابی کنید Solution: Evaluate significant finding

  • امتحان فصل Chapter Quiz

5. قیاس و استقراء 5. Deduction and Induction

  • استقراء و قیاس چیست؟ What are induction and deduction?

  • هیوم در مورد استقرا Hume on induction

  • پوپر در مورد استقرا و جعل Popper on induction and falsification

  • طالب در استقرا Taleb on induction

  • ضدافکت: مروارید بر استقراء و علیت Counterfactuals: Pearl on induction and causality

  • امتحان فصل Chapter Quiz

6. پیش بینی و اثبات در داده کاوی 6. Prediction and Proof in Data Mining

  • داده کاوی در مقابل لایروبی داده Data mining vs. data dredging

  • قطار/تست: چه مشکلی ممکن است پیش بیاید؟ Train/Test: What can go wrong?

  • تست A/B در طول مرحله ارزیابی A/B testing during the evaluation phase

  • امتحان فصل Chapter Quiz

7. دو فرهنگ: آمار متضاد و داده کاوی 7. The Two Cultures: Contrasting Statistics and Data Mining

  • دو فرهنگ The Two Cultures

  • توضیح در مقابل پیش بینی Explain vs. predict

  • مقایسه CRISP-DM و روش علمی Comparing CRISP-DM and the scientific method

  • استفاده از این دو روش در کار Applying the two methods at work

  • امتحان فصل Chapter Quiz

نتیجه Conclusion

  • مرور Review

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش یادگیری ماشین و مبانی هوش مصنوعی: پیش‌بینی، علیت و استنتاج آماری
جزییات دوره
2h 2m
38
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Keith McCormick Keith McCormick

داده کاو ، مربی ، سخنران ، نویسنده کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.

کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.