机器学习中的概率统计应用实践 -
**** Hidden Message ***** 讲透机器学习概率统计，快速打造算法基础核心能力聚焦概率统计核心应用，提升机器学习等工程实践能力
概率统计是机器学习，人工智能，计算机科学的基石，算法工程师不懂概率统计很难深入应用，本课程专门针对机器学习中的概率统计知识与难题，从数学理论、经典案例到 Python 对概率统计核心功能的实战，带你快速打造算法领域的基础核心能力，打开更广阔的进阶空间。
通过对典型的离散
型、连续型随机变
量分布进行采样，
强化对随机变量特
性的理解
通过对分布进行采
样，比较重要参数
的样本统计量和参
数真值，探索系统
偏差的来龙去脉
利用极大似然估计
法去估计高斯分布
的多个参数，了解
极大似然估计的本
质内涵
实现对任意指定分
布的近似采样，站
在前序知识体系之
上，深刻领会随机
近似方法
第2章 统计思维基石：条件概率与独立性
条件概率是概率统计世界的理论基石，这一讲将从一般性的概率过渡到条件概率，利用条件概率来描述事件之间的独立性，并进行概念延伸：一方面从独立性延伸到条件独立性；另一方面从条件概率延伸到全概率公式，进而引出贝叶斯公式以及先验概率和后验概率的概念
第3章 聚焦基本元素：深入理解随机变量
这一讲介绍离散型和连续型两类随机变量，针对离散型随机变量，重点介绍他的核心要素、分布列以及几种重要概型：二项分布、几何分布和泊松分布；针对连续型随机变量，介绍概率密度函数、数字特征以及几类典型分布：正态分布、指数分布和均匀分布。
第4章 从一元到多元：探索多元随机变量
这一讲介绍多元随机变量。首先介绍基础理论，包括：多元随机变量的分布特性、独立性、相关性，比较协方差与相关系数的概念；然后以二元正态分布为例，回归分布特性，分析他的参数形式与几何特征。
第5章 极限思维：大数定律与蒙特卡罗方法
这一讲主要介绍大数定律及其应用，一方面会重点介绍大数定律和中心极限定理的内涵与其背后蕴含的极限思想，然后介绍蒙特卡洛方法的应用场景和实际案例
查看完整目录
答疑专区+技术社区
连百度谷歌都搜不到的问题，在这里讲
师都将耐心详细解答，更有小伙伴一起
交流互动，共同进步。
独家“动态”教辅材料
丰富的专属教辅资料上传更新，通过
课程教案、原理图解、技术文档、演示案
例等各种教材，保障你的学习效果。
课程全套代码下载
提供课程全套源代码下载，包含：
全套组件封装镜像、私有仓库、各个服
务的镜像、项目源代码。
全套案例文档
案例汇总文档将于课程完结后统一上传，
方便查阅，提取重点，复习巩固更贴心。
**** Hidden Message *****
页:
[1]