آموزش یادگیری ماشین و مبانی هوش مصنوعی: استنتاج علی و مدلسازی

Machine Learning and AI Foundations: Causal Inference and Modeling

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      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

      • امتحان فصل Chapter Quiz

      نتیجه Conclusion

      • عليت را بيشتر ببرد Taking causality further

      نمایش نظرات

      آموزش یادگیری ماشین و مبانی هوش مصنوعی: استنتاج علی و مدلسازی
      جزییات دوره
      2h 51m
      43
      Linkedin (لینکدین) Linkedin (لینکدین)
      (آخرین آپدیت)
      -
      - از 5
      دارد
      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.