تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: استنتاج علی و مدلسازی

دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: استنتاج علی و مدلسازی

2 ساعت 51 دقیقهپیشرفته2022-07-22

مدرسین

Keith McCormick

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

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal