Ehtimollar nazariyasi va matematik statistika ML uchun: Bayes xulosasi, baholash, bootstrap

Kurs haqida

Ushbu kurs Machine Learning kontekstida ehtimollar nazariyasi va matematik statistikaning puxta tushunilishini shakllantiradi. Asosiy e'tibor — Bayes xulosasi, parametrlarni baholash va gipotezalarni tekshirishga qaratilgan; natijalarning takrorlanuvchanligi va to'g'ri talqin qilinishini ta'minlaydigan usullar o'rganiladi. Kurs uchinchi semestrdagi Reliable ML va Bayes ML modullariga bevosita asos bo'ladi.

Nimalarni o'rganasiz

✓Mazmunli priorlarni tanlash va posterior taqsimotlarni chiqarish orqali Bayes modellarini qurish

✓Noaniqlikni miqdoriy baholash uchun bootstrap va ishonch oralig'idan foydalanish

✓Statistik ahamiyatlilikni to'g'ri talqin qilish va p-value bilan bog'liq odatiy xatolardan qochish

✓Model parametrlarini MLE usulida baholash va modellarni informatsion mezonlar yordamida solishtirish

Asosiy mavzular

•Kolmogorov aksiomatikasi, shartli ehtimollik va mustaqillik

•Asosiy taqsimotlar va ularning xossalari

•Markaziy limit teoremasi va katta sonlar qonuni

•Maximum Likelihood (MLE) va momentlar usuli

•Bayes xulosasi: priorlar, posterior, MAP

•Ishonch oralig'i va bootstrap

•Gipotezalarni tekshirish: p-value, FDR, multiple testing

•Informatsion mezonlar (AIC, BIC) va Bayes informatsion mezoni

•Kontsentratsiya tengsizliklari (Hoeffding, Bernstein)

Ushbu tavsif avtomatik tarzda yaratilgan va hali o'qituvchi tomonidan tekshirilmagan — bu muhokama uchun qoralama.

Kurs haqida

Nimalarni o'rganasiz

Asosiy mavzular

Fikr-mulohaza