لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین و مبانی هوش مصنوعی: استنتاج علی و مدلسازی
Machine Learning and AI Foundations: Causal Inference and Modeling
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره با مدرس کیت مک کورمیک مقدمه ای بر برخی از تکنیک های پیشرفته در استنتاج علی و مدل سازی علّی ارائه می دهد. این پایه بر پایه دوره کیث، یادگیری ماشین و مبانی هوش مصنوعی: پیش بینی، علیت و استنتاج آماری استوار است. کیت این دوره را بر روی سه موضوع اصلی متمرکز می کند: قدرت آزمایش ها (و واقعیت این است که آنها همیشه به عنوان یک گزینه در دسترس نیستند). فلسفه و رویکرد آمار بیزی و زمانی که انتخاب خوبی است. و مقدمهای بر مدلسازی علی با تکنیکهایی مانند مدلسازی معادلات ساختاری و شبکههای بیزی. در این دوره آموزشی به کیت بپیوندید تا با این تکنیک های پیشرفته و آنچه که آنها را قدرتمند و جالب می کند آشنا شوید.
سرفصل ها و درس ها
مقدمه
Introduction
اندیشیدن به علیت
Thinking about causality
آنچه شما باید بدانید
What you should know
1. طراحی آزمایشی و کنترل های آماری
1. Experimental Design and Statistical Controls
بازپرس، هیئت منصفه و قاضی
The investigator, the jury, and the judge
فیشر و آزمایش
Fisher and experiments
جان اسنو و آزمایش های طبیعی
John Snow and natural experiments
مطالعات دوسوکور
Double blind studies
متغیرهای کنترل (ANCOVA)
Control variables (ANCOVA)
Judea Pearl: مشکلات با متغیرهای کنترل
Judea Pearl: Problems with control variables
اعتدال، میانجیگری و متغیرهای در کمین
Moderation, mediation, and lurking variables
پارادوکس سیمپسون
Simpson's paradox
چالش: اعتدال، میانجیگری یا متغیر سوم
Challenge: Moderation, mediation, or a third variable
راه حل: اعتدال، میانجیگری یا متغیر سوم
Solution: Moderation, mediation, or a third variable
امتحان فصل
Chapter Quiz
2. احتمال شرطی و قضیه بیز
2. Conditional Probability and Bayes' Theorem
تورینگ، انیگما و کپچا
Turing, Enigma, and CAPTCHA
معما و عدم قطعیت
Enigma and uncertainty
ایجاد شهود برای بیز با وردل
Developing an intuition for Bayes with Wordle
وردل و احتمال شرطی
Wordle and conditional probability
Wordle، bans و bit
Wordle, bans, and bits
قضیه وردل و بیز
Wordle and Bayes' theorem
چالش: احتمال شرطی و قضیه بیز
Challenge: Conditional probability and Bayes' theorem
راه حل: احتمال شرطی و قضیه بیز
Solution: Conditional probability and Bayes' theorem
امتحان فصل
Chapter Quiz
3. پیش بینی و اثبات با آمار بیزی
3. Prediction and Proof with Bayesian statistics
متضاد آمار فراوان گرا و آمار بیزی
Contrasting frequentist statistics and Bayesian statistics
بیزین تی تست با JASP
Bayesian T-Test with JASP
Google Optimize
Google Optimize
بیز و اتفاقات نادر
Bayes and rare events
چالش: JASP
Challenge: JASP
راه حل: JASP
Solution: JASP
امتحان فصل
Chapter Quiz
4. مدلسازی علی با مدلسازی معادلات ساختاری (SEM)
4. Causal Modeling with Structural Equation Modeling (SEM)
سول رایت
Sewell Wright
معرفی تحلیل مسیر و SEM
Introducing path analysis and SEM
مثال SEM: قصد
SEM example: Intention
افسانه ها در مورد SEM
Myths about SEM
متغیرهای پنهان در SEM
Latent variables in SEM
یافتن جهت علیت با SEM (PSAT)
Finding direction of causality with SEM (PSAT)
امتحان فصل
Chapter Quiz
5. مدلسازی علی با شبکه های بیزی
5. Causal Modeling with Bayesian Networks
مروارید یهودا و انقلاب علّی
Judea Pearl and the causal revolution
دانلود BayesiaLab و منابع
Downloading BayesiaLab and resources
معرفی BayesiaLab: رنگ مو و چشم
Introducing BayesiaLab: Hair and eye color
مقدمه ای بر مدل سازی علی با شبکه های بیزی
Introduction to causal modeling with Bayesian networks
شبکه های بیزی: مطالعه موردی قو سیاه
Bayesian Networks: Black Swan case study
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.
نمایش نظرات