کتاب صوتی جامع احتمالات و آمار کاربردی برای توسعه‌دهندگان هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع احتمالات و آمار کاربردی برای توسعه‌دهندگان هوش مصنوعی

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: مبانی ریاضی و آماری در یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی نظریه مجموعه‌ها و فضای نمونه در احتمالات
• 2. اصول شمارش و آنالیز ترکیبی در فضای داده‌های بزرگ
• 3. تعریف احتمال کلاسیک و رویکرد فرکانسی
• 4. احتمال شرطی و قضایای پایه در استنتاج آماری
• 5. قانون احتمال کل و کاربرد آن در مدل‌سازی
• 6. قضیه بیز و نقش آن در یادگیری ماشین
• 7. متغیرهای تصادفی گسسته و توابع جرم احتمال
• 8. متغیرهای تصادفی پیوسته و توابع چگالی احتمال
• 9. تابع توزیع تجمعی و ویژگی‌های آن
• 10. امید ریاضی و گشتاورهای آماری
• 11. واریانس و انحراف معیار در توزیع داده‌ها
• 12. کوواریانس و ضریب همبستگی بین متغیرها
• 13. توزیع‌های احتمالی گسسته شامل برنولی و دوجمله‌ای
• 14. توزیع‌های احتمالی پیوسته شامل نرمال و یکنواخت
• 15. توزیع‌های نمایی و پواسون در تحلیل رویدادها
• 16. نامساوی‌های احتمالی مارکوف و چبیشف
• 17. قانون اعداد بزرگ و همگرایی متغیرهای تصادفی
• 18. قضیه حد مرکزی و اهمیت آن در آمار استنباطی
• 19. نمونه‌گیری تصادفی و توزیع‌های نمونه‌برداری
• 20. تخمین‌گرهای نقطه ای و ویژگی‌های آماری آن‌ها
• 21. روش حداکثر درست‌نمایی در یادگیری مدل‌های آماری
• 22. تخمین‌گرهای بیزی و توزیع پیشین و پسین
• 23. فواصل اطمینان و تفسیر کاربردی آن‌ها در داده‌ها
• 24. آزمون فرض آماری و سطح معناداری
• 25. خطاهای نوع اول و دوم در تصمیم‌گیری آماری
• 26. مقادیر پی و کاربرد آن‌ها در مدل‌های هوش مصنوعی
• 27. آزمون‌های ناپارامتریک در تحلیل داده‌ها
• 28. رگرسیون خطی ساده و روش کمترین مربعات
• 29. تحلیل باقی‌مانده‌ها و ارزیابی مدل‌های رگرسیونی
• 30. مقدمه‌ای بر استنتاج آماری در یادگیری ماشین
• 31. مفاهیم پایه در تئوری اطلاعات و آنتروپی
• 32. واگرایی کولبک لایبلر و فاصله بین توزیع‌ها
• 33. کاهش ابعاد با استفاده از تحلیل مؤلفه‌های اصلی
• 34. مبانی توزیع‌های چندمتغیره نرمال
• 35. شبیه‌سازی مونت‌کارلو در حل مسائل احتمالی
• 36. زنجیره‌های مارکوف و کاربرد در مدل‌های احتمالی
• 37. مقدمه‌ای بر فرآیندهای تصادفی در علوم داده
• 38. روش‌های تخمین پارامتر در مدل‌های احتمالی
• 39. کاربرد آمار در ارزیابی مدل‌های طبقه‌بندی
• 40. ماتریس درهم‌ریختگی و معیارهای دقت و فراخوانی
• 41. ارزیابی مدل‌های یادگیری ماشین با استفاده از اعتبارسنجی متقاطع
• 42. تحلیل حساسیت و ویژگی‌های آماری مدل‌ها
• 43. مدل‌های احتمالی گرافیکی و شبکه های بیزین
• 44. مقدمه‌ای بر یادگیری تقویتی مبتنی بر احتمالات
• 45. کاربرد آمار در پیش‌پردازش و پاک‌سازی داده‌ها
• 46. شناسایی داده‌های پرت با استفاده از روش‌های آماری
• 47. مفاهیم پایه در آمار استنتاجی برای مدل‌های یادگیری عمیق