دوره آموزشی مبانی احتمال برای علم داده
4 ساعت 52 دقیقهمتوسط2024-08-26
مدرسین

Megan Silvey
جزئیات دوره
درک صحیح از ریاضیات، به ویژه احتمال، برای موفقیت در زمینه علم داده اهمیت بسیاری دارد. این دوره آموزشی به شما کمک میکند تا با اصول و مبانی احتمال آشنا شوید و از آنها در پروژههای علم داده خود بهرهبرداری کنید. دوره به طور جامع و تفصیلی اصول احتمال را با توضیحات واضح، معادلات رایج، مثالهای ساده و کاربردهای واقعی پوشش میدهد.
در ابتدا، دوره با مروری بر مبانی احتمال آغاز میشود، که شامل متغیرهای تصادفی و انواع توزیعهای اصلی احتمال است: توزیعهای گسسته، پیوسته، تجمعی و مشترک. این مباحث پایهای به شما کمک میکند تا با ساختارهای بنیادی احتمالات آشنا شوید و درک عمیقتری از چگونگی توزیع دادهها به دست آورید.
پس از آن، مفاهیم پیشرفتهتری مانند انتظار و واریانس بررسی میشود. در این بخش، به تحلیلهایی از جمله انتظار شرطی، انحراف معیار، کوواریانس و همبستگی پرداخته میشود که برای تحلیل دادهها و مدلسازی آماری بسیار ضروری هستند.
در مرحله بعد، توزیعهای گسسته و پیوسته استاندارد به تفصیل شرح داده میشود. این شامل بررسی توزیعهای معمول مانند توزیع نمایی، نرمال و برنولی است که برای مدلسازی و تحلیل دادهها در علم داده بسیار کاربردی هستند. همچنین، قضایای حدی و تقریبها که به شما در درک رفتار توزیعهای بزرگ و تحلیلهای پیچیده کمک میکنند، مورد بررسی قرار میگیرند.
پس از پوشش توزیعها و قضایای حدی، به بررسی احتمال بیزی پرداخته میشود. این بخش شامل مقایسه بین احتمال بیزی و احتمال فراوانی (frequentist) و کاربردهای آن در تحلیل دادهها است. شما خواهید آموخت که چگونه میتوانید از اصول بیزی برای بهبود پیشبینیها و تصمیمگیریهای آماری استفاده کنید.
در نهایت، چندین روش برآورد متداول معرفی میشود که به شما در تخمین پارامترها و تحلیل دادههای پیچیده کمک خواهد کرد. این روشها شامل تکنیکهای مختلفی هستند که به شما اجازه میدهند تا با استفاده از دادههای موجود، مدلهای آماری دقیقتری بسازید.
به مگان سیلوی بپیوندید تا در هر مرحله از این دوره تخصصی شما را راهنمایی کند و دانش و تجربیات خود را در زمینه احتمال و کاربردهای آن در علم داده به شما منتقل کند.
در ابتدا، دوره با مروری بر مبانی احتمال آغاز میشود، که شامل متغیرهای تصادفی و انواع توزیعهای اصلی احتمال است: توزیعهای گسسته، پیوسته، تجمعی و مشترک. این مباحث پایهای به شما کمک میکند تا با ساختارهای بنیادی احتمالات آشنا شوید و درک عمیقتری از چگونگی توزیع دادهها به دست آورید.
پس از آن، مفاهیم پیشرفتهتری مانند انتظار و واریانس بررسی میشود. در این بخش، به تحلیلهایی از جمله انتظار شرطی، انحراف معیار، کوواریانس و همبستگی پرداخته میشود که برای تحلیل دادهها و مدلسازی آماری بسیار ضروری هستند.
در مرحله بعد، توزیعهای گسسته و پیوسته استاندارد به تفصیل شرح داده میشود. این شامل بررسی توزیعهای معمول مانند توزیع نمایی، نرمال و برنولی است که برای مدلسازی و تحلیل دادهها در علم داده بسیار کاربردی هستند. همچنین، قضایای حدی و تقریبها که به شما در درک رفتار توزیعهای بزرگ و تحلیلهای پیچیده کمک میکنند، مورد بررسی قرار میگیرند.
پس از پوشش توزیعها و قضایای حدی، به بررسی احتمال بیزی پرداخته میشود. این بخش شامل مقایسه بین احتمال بیزی و احتمال فراوانی (frequentist) و کاربردهای آن در تحلیل دادهها است. شما خواهید آموخت که چگونه میتوانید از اصول بیزی برای بهبود پیشبینیها و تصمیمگیریهای آماری استفاده کنید.
در نهایت، چندین روش برآورد متداول معرفی میشود که به شما در تخمین پارامترها و تحلیل دادههای پیچیده کمک خواهد کرد. این روشها شامل تکنیکهای مختلفی هستند که به شما اجازه میدهند تا با استفاده از دادههای موجود، مدلهای آماری دقیقتری بسازید.
به مگان سیلوی بپیوندید تا در هر مرحله از این دوره تخصصی شما را راهنمایی کند و دانش و تجربیات خود را در زمینه احتمال و کاربردهای آن در علم داده به شما منتقل کند.
مهارت ها
StatisticsData EngineeringData AnalysisData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOne-Off
سرفصل ها
0. مقدمه
- 01 - مقدمه ای بر احتمال
- 02 - آنچه باید بدانید
- 03 - بررسی حساب دیفرانسیل و انتگرال - حدود و مشتقات
- 04 - بررسی حساب دیفرانسیل و انتگرال - انتگرال
1. مبانی احتمال
- 05 - احتمال پایه
- 06 - متغیرهای تصادفی
- 07 - توزیعهای گسسته
- 08 - توزیعهای مستمر
- 09 - توزیعهای تجمعی
- 10 - توزیعهای مشترک
2. انتظار و واریانس
- 11 - انتظار
- 12 - انتظار متغیرهای تصادفی گسسته
- 13 - انتظار متغیرهای تصادفی پیوسته
- 14 - انتظار مشروط
- 15 - واریانس و انحراف معیار
- 16 - پراکندگی گسسته در مقابل پیوسته
- 17 - کوواریانس
- 18 - همبستگی
3. توزیعهای گسسته
- 19 - توزیعهای گسسته - مقدمه
- 20 - توزیع یکنواخت گسسته
- 21 - توزیع برنولی
- 22 - توزیع دو جمله ای
- 23 - توزیع دو جمله ای منفی
- 24 - توزیع هندسی
- 25 - توزیع فرا هندسی
- 26 - توزیع پواسون
4. توزیعهای مستمر
- 27 - توزیعهای پیوسته - مقدمه
- 28 - توزیع یکنواخت
- 29 - توزیع نمایی
- 30 - توزیع گاما
- 31 - توزیع پارتو
- 32 - توزیع نرمال استاندارد
- 33 - توزیع نرمال
- 34 - توزیع کای دو
- 35 - توزیع t
- 36 - توزیع F
5. قضایای حدی و تقریبی
- 37 - نابرابری چبیشف
- 38 - قانون ضعیف اعداد بزرگ
- 39 - قانون قوی اعداد بزرگ
- 40 - تقریب مونت کارلو
- 41 - قضیه حد مرکزی
- 42 - تقریب نرمال توزیع دوجمله ای
6. احتمال بیزی
- 43 - احتمال بیزی - تاریخ
- 44 - قضیه بیز
- 45 - استنتاج بیزی
- 46 - احتمال مکرر در مقابل بیزی
- 47 - کاربردهای بیزی
7. برآورد
- 48 - برآورد حداکثر احتمال (MLE)
- 49 - MLE برای توزیع دوجمله ای
- 50 - MLE برای توزیع نمایی
- 51 - MLE برای توزیع نرمال
- 52 - حداکثر تخمین پسینی (MAP)
- 53 - برنامههای کاربردی MAP
نتیجه گیری
- 54 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی آمار و پایتون برای مخابرات: استفاده از تحلیل داده برای تصمیمگیری در مخابرات مدرن
- دوره آموزشی مبانی یادگیری ماشین: آمار
- دوره آموزشی راهنمای کامل مبانی معادلات دیفرانسیل برای علم داده
- دوره آموزشی تصویرسازی دادهها در R با استفاده از ggplot2
- دوره آموزشی یادگیری Minitab
- دوره آموزشی گردآوری داده ها با زبان آر
- دوره آموزشی پاک کردن داده های بد در R