لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی یادگیری ماشین: آمار
Machine Learning Foundations: Statistics
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
مدلهای یادگیری ماشینی نحوه کار ما را در بسیاری از صنایع متحول کرده است. اما عمیقتر شدن مدلهای ML و در واقع درک نحوه عملکرد آنها به شما امکان میدهد عملکرد را بهینه کنید، نوآوری کنید، مشکلات را عیبیابی کنید و مدلهای جدید و کارآمدتر ML ایجاد کنید. در این دوره آموزشی، قسمت چهارم از مجموعه مبانی یادگیری ماشینی، Terezija Semenski توضیح میدهد که چگونه درک عمیق آمار میتواند به شما کمک کند تا در پروژههای یادگیری ماشین برتر باشید. Terezija نشان می دهد که چگونه آمار نقش بزرگی در یادگیری ماشین ایفا می کند - فراتر از اعداد خرد - و به شما نشان می دهد که چگونه از آمار برای به دست آوردن بینش در مورد داده ها، درک عدم قطعیت های مرتبط با پیش بینی ها، و تصمیم گیری های مبتنی بر داده با اطمینان استفاده کنید.
سرفصل ها و درس ها
معرفی
Introduction
مبانی آمار برای یادگیری ماشین
Foundations of statistics for machine learning
آنچه شما باید بدانید
What you should know
1. مقدمه ای بر آمار
1. Introduction to Statistics
تعریف آمار
Defining statistics
کاربردهای آمار در ML
Applications of statistics in ML
انواع داده ها
Types of data
2. آمار خلاصه
2. The Summary Statistics
میانگین
The mean
میانه
The median
حالت
The mode
صدک
The percentile
درصد تغییر
The percentage change
محدوده
The range
واریانس و انحراف معیار
The variance and the standard deviation
خطای استاندارد میانگین در مقابل انحراف معیار
The standard error of the mean vs. the standard deviation
3. از کوانتیل تا همبستگی
3. From Quantiles to Correlation
چندک ها و نمودارهای جعبه
The quantiles and box plots
داده های از دست رفته
Missing data
همبستگی
The correlation
کوواریانس
The covariance
ضریب همبستگی
The correlation coefficient
همبستگی در مقابل علیت
The correlation vs. causation
4. متغیرهای تصادفی و توزیع احتمال
4. Random Variables and Probability Distribution
مقدمه ای بر توزیع احتمال
Introduction to probability distribution
توزیع یکنواخت
The uniform distribution
توزیع نرمال
The normal distribution
توزیع برنولی
The Bernoulli distribution
توزیع Multinoulli
The Multinoulli distribution
5. نمونه برداری و جایگزینی
5. Sampling and Replacement
انتخاب با جایگزینی
Selection with replacement
انتخاب بدون تعویض
Selection without replacement
بوت استرپینگ
Bootstrapping
6. رگرسیون خطی
6. Linear Regression
متغیرهای مستقل و وابسته
Independent and dependent variables
رگرسیون خطی برای مقادیر پیوسته
Linear regression for continuous values
توسعه دهنده نرم افزار، ریاضیدان، نویسنده و یادگیرنده
Terezia Semenski به عنوان یک ریاضیدان و توسعه دهنده نرم افزار کار می کند. ترزیجا با یک ذهن تجاری، ذهنیت یادگیری و اشتیاق به مردم به زندگی نزدیک می شود. او تجربه ای به عنوان توسعه دهنده نرم افزار و سرپرست تیم QA در پروژه های توسعه برنامه آموزشی، مالی و بانکی دارد. او همچنین در بخش آموزش و تدریس دروس IT و ریاضیات کار کرده است. ترزیجا در حال حاضر به عنوان یک مربی آزاد و توسعه دهنده نرم افزار کار می کند و اولین کتاب خود را می نویسد.
نمایش نظرات