آموزش یادگیری آماری - آخرین آپدیت

ماژول ۱: یادگیری آماری - اصطلاحات و مفاهیم Module 1: Statistical Learning - Terminology and Ideas

• خوشامدگویی مدرس Instructor Welcome

• مرور کلی دوره Course Overview

• مقدمه‌ای بر ماژول ۱ Module 1 Introduction

• یادگیری آماری چیست؟ What is statistical learning?

• انواع داده‌ها Types of Data

• مدل‌ها در یادگیری آماری Models in Statistical Learning

• انتخاب مدل Model Selection

• توصیف رسمی یادگیری آماری Formal Description of Statistical Learning

ماژول ۲: روش‌های رگرسیون خطی Module 2: Linear Regression Methods

• مقدمه‌ای بر ماژول ۲ Module 2 Introduction

• رگرسیون خطی چیست؟ بخش اول What is Linear Regression? - Part 1

• رگرسیون خطی چیست؟ بخش دوم What is Linear Regression? - Part 2

• رگرسیون خطی Linear Regression

• پیش‌فرض‌های رگرسیون خطی Linear Regression Assumptions

• ابزارهای آماری Statistical Tools

• انتخاب زیرمجموعه (Subset Selection) Subset Selection

• رگرسیون ریج (Ridge Regression) Ridge Regression

• رگرسیون لاسو (LASSO) LASSO

• مثال‌های تبدیل داده‌ها و رگرسیون‌های خطی Data Transformation Examples and Linear Regressions

ماژول ۳: روش‌های طبقه‌بندی خطی Module 3: Linear Classification Methods

• مقدمه‌ای بر ماژول ۳ Module 3 Introduction

• طبقه‌بندی با رگرسیون خطی Classification with Linear Regression

• رگرسیون خطی و ماتریس‌های نشانگر Linear Regression and Indicator Matrices

• تحلیل ممیزی خطی (LDA) Linear Discriminant Analysis (LDA)

• رگرسیون لجستیک Logistic Regression

ماژول ۴: روش‌های گسترش پایه (Basis Expansion) Module 4: Basis Expansion Methods

• مقدمه‌ای بر ماژول ۴ Module 4 Introduction

• روش‌های گسترش پایه چیستند؟ What are basis expansion methods?

• چندجمله‌ای‌های تکه‌ای: متد و تئوری Piecewise Polynomials, the Method and Theory

• اسپلاین‌های هموارساز (Smoothing Splines) Smoothing Splines

• منظم‌سازی و توابع کرنل Regularization and Kernel Functions

ماژول ۵: روش‌های هموارسازی کرنل Module 5: Kernel Smoothing Methods

• مقدمه‌ای بر ماژول ۵ Module 5 Introduction

• هموارسازهای کرنل و kNN Kernel Smoothers and kNN

• رگرسیون محلی Local Regression

ماژول ۶: ارزیابی و انتخاب مدل Module 6: Model Assessment and Selection

• مقدمه‌ای بر ماژول ۶ Module 6 Introduction

• بایاس، واریانس و پیچیدگی مدل Bias, Variance and Model Complexity

• تجزیه بایاس-واریانس The Bias-Variance Decomposition

• معیارهای AIC و BIC AIC and BIC

• حداقل طول توصیف (MDL) Minimum Description Length (MDL)

• بعد واپنیک-چروننکیس (VC Dimension) Vapnik-Chervonenkis (VC) Dimension

• اعتبارسنجی متقاطع K-fold K-fold Cross Validation

• بوت‌استرپینگ (Bootstrapping) Bootstrapping

ماژول ۷: استنباط حداکثر احتمال (Maximum Likelihood) Module 7: Maximum Likelihood Inference

• مقدمه‌ای بر ماژول ۷ Module 7 Introduction

• استنباط حداکثر احتمال بخش اول Maximum Likelihood Inference - Part 1

• استنباط حداکثر احتمال بخش دوم Maximum Likelihood Inference - Part 2

• استنباط بیزی Bayesian Inference

ماژول ۸: مباحث پیشرفته Module 8: Advanced Topics

• مقدمه‌ای بر ماژول ۸ Module 8 Introduction

• مدل‌های درختی بخش اول Tree Models - Part 1

• مدل‌های درختی بخش دوم Tree Models - Part 2

• ماشین‌های بردار پشتیبان (SVM) Support Vector Machines

• خوشه‌بندی K-means K-means Clustering

• شبکه‌های عصبی Neural Networks

ارزیابی نهایی دوره Summative Course Assessment