آمار بیزی: مقدمهای گام به گام
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک کنید که چگونه میتوان از قانون بیزی برای بروزرسانی باورها استفاده کرد.
- استفاده از توزیعهای پیشین و احتمال مزدوج برای مدلسازی داده دودویی، شمارشی و پیوسته
- درک مفاهیم توزیعهای پیشین، توزیعهای پسین، توابع درستنمایی و توزیعهای پیشبینی
- درک کنید که چگونه میتوان از نرمافزار آماری برای محاسبه و مصورسازی اطلاعات مربوط به باورهای خود استفاده کرد.
توضیحات دوره
این دوره، مطالب اصولی آمار را که در یک دوره مقدماتی دانشگاهی پوشش داده میشود، با تمرکز به تسلط بر اجزای اساسی هر مدل بیزی توزیع پیشین و احتمال، و چگونگی یافتن توزیع پسین، فواصل معتبر و توزیعهای پیشبینی آموزش میدهد. در طول مسیر، شما با احتمال به طور کلی راحتتر خواهید شد و دیدگاه جدیدی در مورد چگونگی تحلیل داده به دست خواهید آورد!
ما از ابتدا شروع میکنیم، هیچ تجربهای در آمار بیزی لازم نیست. دانشجویان باید درک قوی از جبر و حساب اولیه داشته باشند. اگر مایل به اجرای بخشهای کدنویسی اختیاری هستید، R و RStudio یا Python مورد نیاز است.
این دوره شامل موارد زیر است:
- 5.5 ساعت آموزش ویدئویی
- نمایشهای تعاملی با استفاده از R و Stan (کد پایتون نیز گنجانده شده است!)
- آزمونهایی برای سنجش درک شما
- مرور تکالیف با راهحلها برای تمرین آموختههای شما
شما موارد زیر را خواهید آموخت:
- قوانین اولیه احتمال
- قانون بیزی، شامل مثالهای رایج با تست های پزشکی و سکه انداختن
- اصطلاحات اجزای مختلف یک مدل بیزی: توزیع پیشین، پسین، درستنمایی و توزیع پیشبینی
- داده پیشین مزدوج
- بازههای معتبر و تخمینگرهای بیزی
- مدلسازی داده دودویی با توزیع برنولی و دوجملهای و توزیع پیشین بتا
- مدلسازی داده شمارشی با توزیع پواسون و توزیع پیشین گاما
- مدلسازی داده پیوسته با توزیع نرمال و توزیع پیشین نرمال
- آشنایی با رگرسیون خطی ساده
این دوره برای بسیاری از دانشجویان ایدهآل است:
- هر کسی که میخواهد اصول آمار بیزی را بیاموزد و مفاهیمی مانند پیشینیان، پسینیان و فواصل معتبر را درک کند.
- متخصصان علوم داده و تحلیل داده که میخواهند دانش آماری خود را بروز و گسترش دهند.
- دانشگاهیان در علوم اجتماعی، زیستی و فیزیکی
این دوره برای هر کسی، از مبتدی تا متخصصان باتجربه، ایدهآل است. فرقی نمیکند که تازه سفر خود را در علم داده آغاز کردهاید، به دنبال ارتقاء مهارتهای فعلی خود هستید یا صرفاً به آمار بیزی علاقه دارید. هدف مدرس این است که آمار بیزی را برای همه قابل دسترس و قابل فهم کند.
این دوره برای چه کسانی مناسب است؟
- دانشمندان داده و تحلیلگران داده فعلی و مشتاق
- دانشگاهیان در علوم اجتماعی، زیستی و فیزیکی
- دانشجویان دانشگاهی که در رشته ریاضیات یا آمار تحصیل میکنند.
- هر کسی که میخواهد یاد بگیرد چگونه باورهای خود را از داده بروز کند.
آمار بیزی: مقدمهای گام به گام
-
ویدیو مقدمه 01:32
-
احتمال، مکملها و نمودارهای ون 06:42
-
قانون احتمال کل 04:11
-
احتمال شرطی 07:18
-
قوانین ضرب و استقلال 07:14
-
آزمون احتمال None
-
آشنایی با قانون بیزی 07:16
-
مسئله تست پزشکی 06:37
-
توزیعهای پیشبینی و نمودارهای جریان 04:47
-
دو سکه 06:04
-
مشاهدات متعدد 05:18
-
ثابتهای نرمالسازی و نسبت 06:35
-
آزمون قانون بیزی None
-
توزیعهای قبلی پیوسته و توزیع یکنواخت 07:50
-
احتمال و متغیرهای تصادفی 08:27
-
توزیع پسین: یک مشاهده 07:08
-
محاسبه احتمال پسین 02:30
-
توزیع پسین: دو مشاهده 06:14
-
توزیعهای تجمعی و توزیعهای تجمعی معکوس 09:54
-
فاصلههای معتبر 07:25
-
میانگین، میانه، مد 06:41
-
تخمینهای نقطهای 08:56
-
توزیع پیشبینی 09:03
-
آزمون توزیع یکنواخت پیوسته None
-
متغیرهای تصادفی باینومیال 10:50
-
قبل: توزیع بتا 09:31
-
پیدا کردن احتمالهای قبلی و پسین با توزیع تجمعی بتا 02:07
-
چگونه هایپرپارامترها توزیع قبلی را تغییر میدهند؟ 03:02
-
توزیع پسین: پیشین مزدوج چیست؟ 13:01
-
فاصلههای معتبر 05:29
-
تخمینهای نقطهای 04:05
-
توزیع پیشبینی: توزیع بتا 08:37
-
آزمون توزیع بتا None
-
خلاصهای از قبلیها، پسینها، احتمالها و توزیعهای پیشبینی 03:35
-
مثال مسئله توزیع بتا با R 10:07
-
مثال مسئله توزیع بتا با Stan 07:47
-
معایب پیشین مزدوج 03:21
-
احتمال: توزیع پواسون 08:37
-
توزیع گاما و انتخاب هایپرپارامترها 12:38
-
توزیع پسین 07:14
-
مثال محاسبه پسین - قسمت 2 02:27
-
فاصله معتبر و تخمینهای نقطهای 03:20
-
توزیع پیشبینی: منفی باینومیال 07:31
-
آزمون پواسون - گاما None
-
مثال مسئله پواسون-گاما با R و Stan 09:43
-
توزیع نرمال 07:29
-
قبل: توزیع نرمال و انتخاب هایپرپارامترها 08:49
-
توزیع پسین و مثال 07:33
-
فاصلههای معتبر و تخمینهای نقطهای 02:57
-
آزمون نرمال-نرمال None
-
مسئله نرمال-نرمال با R و Stan 11:20
-
توزیعهای پیشبینی، واریانس ناشناخته 07:30
-
رگرسیون خطی ساده 08:54
-
مثال مسئله رگرسیون خطی ساده با R و Stan 07:37
مشخصات آموزش
آمار بیزی: مقدمهای گام به گام
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:54
- مدت زمان :05:34:04
- حجم :2.94GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy