【Udemy中英字幕】Math 0-1: Probability for Data Science & Machine Learning

数学 0-1：数据科学与机器学习的概率

人工智能、深度学习和 Python 程序员的休闲指南

讲师：Lazy Programmer Team

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

显示更多显示较少

常见情况：您尝试进入机器学习和数据科学，但涉及的数学知识太多了。

要么您从未学习过这门数学，要么您学习这门数学已经太久而已经全部忘记了。

你做什么工作？

好吧，我的朋友们，这就是我创建这门课程的原因。

概率是数据科学和机器学习最重要的数学先决条件之一。它要求我们理解我们所做的一切，从最新的 LLM（如 ChatGPT）到扩散模型（如 Stable Diffusion 和 Midjourney），再到统计学（我喜欢称之为“概率第 2 部分”）。

马尔可夫链是概率中的一个重要概念，它构成了隐马尔可夫模型（应用于语音识别、DNA 分析和股票交易）和马尔可夫决策过程或 MDP（强化学习的基础）等流行模型的基础。

机器学习（统计学习）本身具有概率基础。特定模型（如线性回归、K 均值聚类、主成分分析和神经网络）都利用了概率。

简单来说，概率是无法避免的！

如果您想进行机器学习而不仅仅是从博客和教程中复制库代码，那么您必须了解概率。

本课程将涵盖您在本科概率课上学习的所有内容（可能还会更多）。其中包括随机变量和随机向量、离散和连续概率分布、随机变量函数、多元分布、期望、生成函数、大数定律和中心极限定理。

大多数重要定理都将从头开始推导。不用担心，只要您满足先决条件，它们就不会难以理解。这将确保您在该主题上拥有最坚实的基础。不再需要记住“规则”，而只是在将来错误/不恰当地应用它们！本课程将为您提供对概率的深刻理解，以便您可以在数据科学、机器学习等领域正确有效地应用它。

你准备好了吗？

我们走吧！

建议的先决条件：

显示更多显示较少

请注意：
如果你有能力，请务必支持课程的原创作者，这是他们应得的报酬！
本站收取的费用，仅用来维持网站正常运行的必要支出，从本站下载任何内容，说明你已经知晓并同意此条款。