لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
مبانی احتمال برای علم داده
Probability Foundations for Data Science
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
درک کامل از ریاضیات، به ویژه احتمال، برای تلاش های موفق علم داده بسیار مهم است. این دوره اصول احتمالات را با توضیحات واضح، معادلات رایج، مثالهای ساده و کاربردهای واقعی پوشش میدهد. ابتدا، مروری بر مبانی، مانند متغیرهای تصادفی، همراه با انواع توزیع هسته: گسسته، پیوسته، تجمعی و مشترک پوشش داده شده است. سپس انتظارات و واریانس شامل انتظار شرطی، انحراف معیار، کوواریانس و همبستگی بررسی میشوند. در مرحله بعد، چندین توزیع گسسته استاندارد و توزیع های پیوسته به تفصیل بیان می شوند و به دنبال آن قضایای حدی و تقریب های رایج بیان می شوند. پس از آن، احتمال بیزی مورد بررسی قرار می گیرد، از جمله اینکه چگونه با احتمال فراوانی تفاوت دارد. در نهایت، چند روش برآورد متداول پوشش داده شده است. به مگان سیلوی بپیوندید تا شما را در هر بخش راهنمایی کند و تخصص خود را به شما منتقل کند.
سرفصل ها و درس ها
مقدمه
Introduction
بررسی حساب دیفرانسیل و انتگرال: محدودیت ها و مشتقات
Calculus review: Limits and derivatives
مقدمه ای بر احتمال
Introduction to probability
آنچه شما باید بدانید
What you should know
بررسی حساب دیفرانسیل و انتگرال: انتگرال
Calculus review: Integrals
1. مبانی احتمال
1. Probability Fundamentals
توزیع های مداوم
Continuous distributions
توزیع های تجمعی
Cumulative distributions
احتمال پایه
Basic probability
توزیع های گسسته
Discrete distributions
متغیرهای تصادفی
Random variables
توزیع های مشترک
Joint distributions
2. انتظار و واریانس
2. Expectation and Variance
انتظار مشروط
Conditional expectation
واریانس و انحراف معیار
Variance and standard deviation
انتظار متغیرهای تصادفی گسسته
Expectation of discrete random variables
گسسته در مقابل پراکندگی پیوسته
Discrete vs. continuous dispersion
کوواریانس
Covariance
انتظار متغیرهای تصادفی پیوسته
Expectation of continuous random variables
انتظار
Expectation
همبستگی
Correlation
3. توزیع های گسسته
3. Discrete Distributions
توزیع پواسون
Poisson distribution
توزیع دوجمله ای منفی
Negative binomial distribution
مگان مشتاق کمک به شرکت ها در تصمیم گیری های مبتنی بر داده است. او Silvey Solutions را برای کمک به ایجاد تفاوت در جامعه داده با ارائه بینشهای عملی و مبتنی بر داده تأسیس کرد. برخی از مشتریان برجسته ای که او با آنها کار کرده است عبارتند از: سازمان ملل متحد، بازنشسته، phData و BankOnIP.
او مدرک کارشناسی ارشد را در تجزیه و تحلیل داده ها از دانشگاه ایالتی کانزاس و لیسانس ریاضیات با رشته روانشناسی را در دانشگاه کانزاس دریافت کرد.
نمایش نظرات