دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: استنتاج علی و مدلسازی
2 ساعت 51 دقیقهپیشرفته2022-07-22
مدرسین

Keith McCormick
Data Miner, Trainer, Speaker, Author
جزئیات دوره
این دوره با مدرس کیت مک کورمیک مقدمه ای بر برخی از تکنیک های پیشرفته در استنتاج علی و مدل سازی علّی ارائه می دهد. این بر اساس دوره کیث، یادگیری ماشین و مبانی هوش مصنوعی: پیش بینی، علیت و استنتاج آماری است. کیت این دوره را بر روی سه موضوع اصلی متمرکز میکند: قدرت آزمایشها (و این واقعیت که آنها همیشه به عنوان یک گزینه در دسترس نیستند). فلسفه و رویکرد آمار بیزی و زمانی که انتخاب خوبی است. و مقدمهای بر مدلسازی علی با تکنیکهایی مانند مدلسازی معادلات ساختاری و شبکههای بیزی. با کیت در این دوره همراه باشید تا با این تکنیک های پیشرفته و آنچه که آنها را قدرتمند و جالب می کند آشنا شوید.
مهارت ها
Machine LearningArtificial Intelligence FoundationsFoundationsArtificial Intelligence (AI)
سرفصل ها
0. مقدمه
- 01 - تفکر در مورد علیت
- 02 - آنچه باید بدانید
1. طراحی آزمایشی و کنترلهای آماری
- 03 - بازپرس، هیئت منصفه و قاضی
- 04 - فیشر و آزمایشات
- 05 - جان اسنو و آزمایشات طبیعی
- 06 - مطالعات دوسوکور
- 07 - متغیرهای کنترل (ANCOVA)
- 08 - Judea Pearl - مشکلات با متغیرهای کنترل
- 09 - اعتدال، میانجیگری و متغیرهای کمین
- 10 - پارادوکس سیمپسون
- 11 - چالش - اعتدال، میانجیگری یا متغیر سوم
- 12 - راه حل - تعدیل، میانجیگری یا متغیر سوم
2. احتمال شرطی و قضیه بیز
- 13 - تورینگ، انیگما و کپچا
- 14 - معما و عدم قطعیت
- 15 - ایجاد شهود برای بیز با وردل
- 16 - وردل و احتمال شرطی
- 17 - Wordle، bans و bits
- 18 - قضیه وردل و بیز
- 19 - چالش - احتمال شرطی و قضیه بیز
- 20 - حل - احتمال شرطی و قضیه بیز
3. پیشبینی و اثبات با آمار بیزی
- 21 - متضاد آمار فراوان گرا و آمار بیزی
- 22 - بیزی تی تست با JASP
- 23 - Google Optimize
- 24 - بیز و حوادث نادر
- 25 - چالش - JASP
- 26 - راه حل - JASP
4. مدلسازی علی با مدلسازی معادلات ساختاری (SEM)
- 27 - سول رایت
- 28 - معرفی تحلیل مسیر و SEM
- 29 - مثال SEM - قصد
- 30 - افسانهها در مورد SEM
- 31 - متغیرهای پنهان در SEM
- 32 - یافتن جهت علیت با SEM (PSAT)
5. مدلسازی علی با شبکههای بیزی
- 33 - مروارید یهودیه و انقلاب سببی
- 34 - دانلود BayesiaLab و منابع
- 35 - معرفی BayesiaLab - رنگ مو و چشم
- 36 - مقدمه ای بر مدل سازی علی با شبکههای بیزی
- 37 - شبکههای بیزی - مطالعه موردی قو سیاه
نتیجه
- 38 - افزایش علیت
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری ماشین کاربردی: برآورد ارزش
- دوره آموزشی یادگیری ماشین کاربردی: یادگیری نظارتشده
- دوره آموزشی یادگیری ماشین در مخابرات: از مبانی تا نمونههای واقعی
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها