آموزش مبانی احتمال برای علوم داده و هوش مصنوعی - آخرین آپدیت

دانلود Probability Foundations for Data Science and AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مبانی احتمال و رابطه آن با آمار و علوم داده را بیاموزید. در این دوره، مفاهیمی نظیر نحوه محاسبه احتمال، پیامدهای مستقل و وابسته و رویدادهای شرطی را بررسی خواهیم کرد. همچنین متغیرهای تصادفی گسسته و پیوسته را مطالعه کرده و کاربرد آن‌ها را در جمع‌آوری داده‌ها خواهیم دید. در پایان دوره، با متغیرهای تصادفی گاوسی (نرمال) و قضیه حد مرکزی آشنا می‌شویم و اهمیت بنیادین آن‌ها را برای تمامی مباحث آمار و علوم داده درک خواهیم کرد. این دوره می‌تواند به عنوان بخشی از واحدهای تحصیلی مقاطع کارشناسی ارشد علوم داده (MS-DS) و کارشناسی ارشد هوش مصنوعی (MS-AI) دانشگاه کلرادو بولدر (CU Boulder) که در پلتفرم کورسرا ارائه می‌شود، گذرانده شود. این مدارک بین‌رشته‌ای، اساتید دپارتمان‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایر بخش‌های دانشگاه بولدر را گرد هم آورده است. با پذیرش بر اساس عملکرد و بدون نیاز به فرآیند درخواست پیچیده، مدارک CU در کورسرا برای افرادی با پیش‌زمینه‌های متنوع تحصیلی در مقطع لیسانس و یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. برای اطلاعات بیشتر درباره برنامه MS-DS به آدرس https://www.coursera.org/degrees/master-of-science-data-science-boulder مراجعه کنید. برای اطلاعات بیشتر درباره برنامه MS-AI به آدرس https://www.coursera.org/degrees/ms-artificial-intelligence-boulder مراجعه کنید. لوگو اقتباس شده از عکس کریستوفر برنز در Unsplash.

سرفصل ها و درس ها

آمار توصیفی و اصول احتمال Descriptive Statistics and the Axioms of Probability

  • مقدمه‌ای بر احتمال Intro to Probability

  • اصول احتمال Axioms of Probability

  • شمارش: جایگشت‌ها و ترکیبات Counting: Permutations and Combinations

  • مسئله شمارش پلاک خودرو License Plate Counting Problem

  • تخمین احتمال Estimating Probability

  • احتمال پاسخ صحیح به یک سوال Probability of Answering a Question Correctly

احتمال شرطی Conditional Probability

  • احتمال شرطی و قضیه بیز Conditional Probability and Bayes Theorem

  • رویدادهای مستقل Independent Events

متغیرهای تصادفی گسسته Discrete Random Variables

  • متغیرهای تصادفی گسسته Discrete Random Variables

  • متغیرهای تصادفی برنولی و هندسی Bernoulli and Geometric Random Variables

  • امید ریاضی و واریانس Expectation and Variance

  • متغیرهای تصادفی دوجمله‌ای و دوجمله‌ای منفی Binomial and Negative Binomial Random Variables

متغیرهای تصادفی پیوسته Continuous Random Variables

  • متغیرهای تصادفی پیوسته Continuous Random Variables

  • متغیر تصادفی گاوسی (نرمال) بخش اول The Gaussian (normal) Random Variable Part 1

  • متغیر تصادفی نرمال بخش دوم The Normal Random Variable Part 2

  • متغیرهای تصادفی پوآسون و نمایی The Poisson and Exponential Random Variables

توزیع‌های مشترک و کوواریانس Joint Distributions and Covariance

  • کوواریانس و همبستگی Covariance and Correlation

  • بیشتر درباره امید ریاضی و واریانس More on Expectation and Variance

  • متغیرهای تصادفی با توزیع مشترک Jointly Distributed Random Variables

قضیه حد مرکزی The Central Limit Theorem

  • مقدمه‌ای بر قضیه حد مرکزی Introduction to the Central Limit Theorem

  • مثال‌های قضیه حد مرکزی Central Limit Theorem Examples

نمایش نظرات

آموزش مبانی احتمال برای علوم داده و هوش مصنوعی
جزییات دوره
42h 48m
21
(آخرین آپدیت)
40,151
4.7 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده