آموزش مبانی یادگیری ماشین: احتمالات - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• آنچه باید بدانید What you should know

• احتمال برای یادگیری ماشین Probability for machine learning

1. مقدمه ای بر احتمال 1. Introduction to Probability

• کاربردهای احتمالات در یادگیری ماشین Applications of probability in ML

• تعریف احتمال Defining probability

• مثال‌هایی از احتمالات Examples of probability

• فضای نمونه و پیشامدها Sample space and events

• متغیرهای تصادفی Random variables

2. قواعد احتمالات 2. The Rules of Probability

• قانون جمع تعمیم یافته The sum rule extended

• احتمال شرطی Conditional probability

• قانون جمع The sum rule

• احتمال کل Total probability

• احتمال وقوع یک رویداد Probability of an event

• قاعده ضرب The product rule

۳. احتمال مشترک و حاشیه‌ای 3. The Joint and Marginal Probability

• احتمال حاشیه‌ای و احتمال مشترک Joint and marginal probability

• قاعده زنجیره‌ای احتمال The chain rule for probability

• جداول احتمالات مشترک Joint probability tables

4. توزیع‌های احتمال گسسته 4. Discrete Probability Distributions

• توزیع دوجمله‌ای The binomial distribution

• توزیع پواسون The Poisson distribution

• توزیع‌های احتمال Probability distributions

• توزیع احتمال گسسته Discrete probability distribution

• توزیع برنولی The Bernoulli distribution

• هیستوگرام‌ها و احتمال Histograms and probability

5. توزیع‌های احتمال پیوسته 5. Continuous Probability Distributions

• توزیع پیوسته احتمال The continuous probability distribution

• قضیه حد مرکزی Central limit theorem

• قانون اعداد بزرگ The law of large numbers

۶. قضیه بیز 6. The Bayes' Theorem

• مثال کاربردی قضیه بیز در عمل Example of Bayes' theorem in practice

• طبقه‌بند بیز ساده Naive Bayes' clasifier

• مقدمه‌ای بر قضیه بیز Introduction to Bayes' theorem

نتیجه‌گیری Conclusion

• مراحل بعدی Next steps