لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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