تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مبانی یادگیری ماشین: آمار

دوره آموزشی مبانی یادگیری ماشین: آمار

1 ساعت 20 دقیقهمبتدی2025-06-09

مدرسین

Terezija Semenski

Terezija Semenski

Software Developer, Mathematician, Writer, and Learner

جزئیات 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، چهارمین قسمت از مجموعه مبانی یادگیری ماشین، Terezija Semenski توضیح می‌دهد که چگونه درک عمیق آمار می‌تواند به شما کمک کند 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.

مهارت ها

StatisticsMachine LearningPythonArtificial Intelligence (AI)Data ScienceOpen SourceOne-Off

سرفصل ها

۰. مقدمه

  • 01 - مبانی آمار برای یادگیری ماشین
  • 02 - آنچه باید بدانید

۱. مقدمه‌ای بر آمار

  • 03 - تعریف آمار
  • 04 - کاربردهای آمار در یادگیری ماشین
  • 05 - انواع داده

۲. آمار خلاصه

  • 06 - میانگین
  • 07 - میانه
  • 08 - حالت
  • 09 - درصد
  • 10 - درصد تغییر
  • 11 - محدوده
  • 12 - واریانس و انحراف معیار
  • 13 - خطای استاندارد میانگین در مقابل انحراف استاندارد

۳. از چندک‌ها تا همبستگی

  • 14 - چندک‌ها و نمودارهای جعبه‌ای
  • 15 - داده‌های از دست رفته
  • 16 - همبستگی
  • 17 - کوواریانس
  • 18 - ضریب همبستگی
  • 19- همبستگی در مقابل علیت

۴. متغیرهای تصادفی و توزیع احتمال

  • 20- مقدمه‌ای بر توزیع احتمال
  • 21 - توزیع یکنواخت
  • 22 - توزیع نرمال
  • 23 - توزیع برنولی
  • 24 - توزیع مولتی‌نولی

۵. نمونه‌برداری و جایگزینی

  • 25 - انتخاب با جایگزینی
  • 26 - انتخاب بدون جایگزینی
  • 27- بوت‌استرپ

۶. رگرسیون خطی

  • 28- متغیرهای مستقل و وابسته
  • 29 - رگرسیون خطی برای مقادیر پیوسته
  • 30 - برازش یک خط
  • 31 - حداقل مربعات خطی

نتیجه‌گیری

  • 32 - مراحل بعدی

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