【慕课网】机器学习中的概率统计应用实践:聚焦概率统计核心应用,提升机器学习等工程实践能力

【慕课网】机器学习中的概率统计应用实践:聚焦概率统计核心应用,提升机器学习等工程实践能力

课程目标

夯实概率统计理论基础,提升数据科学领域实践能力

吃透基本概念:理解概率统计中的核心概念、掌握条件概率与贝叶斯的思维模式、理清典型分布背后的重要特性

构建思维体系:领悟大数定律构建极限思想、解构随机过程背后的运行机理、洞悉参数估计与近似采样的奥秘

落地编程实践:使用Python建模典型概率场景、熟悉常用统计模块的编程技巧、动手解决统计学习经典案例

课程目录

第1章 概率统计课程导学

视频:1-1 机器学习中的概率统计应用实践-课程导学 (06:02)

第2章 统计思维基石:条件概率与独立性

视频:2-1 本讲知识概览与导引 (01:35)

视频:2-2 从概率到条件概率 (06:22)

视频:2-3 条件概率与独立性 (06:15)

视频:2-4 从独立到条件独立 (09:07)

视频:2-5 全概率公式与贝叶斯基础 (09:52)

视频:2-6 本讲小节及小讲预告 (01:00)

第3章 聚焦基本元素:深入理解随机变量

视频:3-1 本讲知识概览与导引 (02:08)

视频:3-2 离散型随机变量及其分布列 (06:23)

视频:3-3 二项分布及其PMF函数(含代码实战) (09:11)

视频:3-4 二项分布的采样与数字特征(含代码实战) (13:55)

视频:3-5 几何分布的性质与采样(含代码实战) (11:07)

视频:3-6 泊松分布的性质与采样(含代码实战) (07:16)

视频:3-7 连续型随机变量及其概率密度函数 (04:50)

视频:3-8 正态分布的性质与采样(含代码实战) (10:32)

视频:3-9 指数分布的性质与采样(含代码实战) (08:55)

视频:3-10 均匀分布的性质与采样(含代码实战) (06:32)

视频:3-11 本讲小节及小讲预告 (00:49)

第4章 从一元到多元:探索多元随机变量

视频:4-1 本讲知识概览与导引 (02:28)

视频:4-2 多元随机变量的重要分布列 (06:34)

视频:4-3 随机变量的独立性与条件独立性 (09:48)

视频:4-4 多元随机变量的相关性与协方差矩阵 (06:44)

视频:4-5 二元正态分布:从标准到一般(含代码实战) (16:23)

视频:4-6 协方差与相关性的一个小问题(含代码实战) (08:01)

视频:4-7 相关系数的概念和特性(含代码实战) (06:03)

视频:4-8 随机变量独立与相关的概念辨析(含代码实战) (05:41)

视频:4-9 多元高斯分布的参数特征(含代码实战) (09:23)

视频:4-10 二元高斯分布几何特征实证分析(含代码实战) (06:21)

视频:4-11 本讲小节及下讲预告 (00:46)

第5章 极限思维:大数定律与蒙特卡罗方法

视频:5-1 本讲知识概览与导引 (01:48)

视频:5-2 从平均身高问题引入大数定律 (01:53)

视频:5-3 大数定律背后的理论支撑 (03:23)

视频:5-4 样本均值与随机变量期望的关系(含代码实战) (08:44)

视频:5-5 样本均值的方差与分布(含代码实战) (07:28)

视频:5-6 蒙特卡罗方法的应用背景 (01:39)

视频:5-7 用蒙特卡罗方法近似计算圆面积(含代码实战) (10:16)

视频:5-8 中心极限定理的基本概念和工程背景 (03:14)

视频:5-9 中心极限定理的模拟与验证(含代码实战) (08:19)

视频:5-10 本讲小结及下讲预告 (00:41)

第6章 由静到动:随机过程导引

视频:6-1 本讲知识概览与导引 (01:36)

视频:6-2 随机过程应用背景概述 (00:47)

视频:6-3 博彩中的随机过程(含代码实战) (15:25)

视频:6-4 随机过程模拟:股票价格的总体分布(含代码实战) (06:58)

视频:6-5 股票价格变化过程的展现(含代码实战) (05:46)

视频:6-6 两类重要的随机过程 (01:47)

视频:6-7 本讲小结及下讲预告 (00:41)

第7章 马尔科夫链(上):转移与概率

视频:7-1 本讲知识概览与导引 (01:12)

视频:7-2 离散时间马尔科夫链的三要素 (02:19)

视频:7-3 马尔科夫链的基本性质和矩阵表示 (06:11)

视频:7-4 多步转移概率的计算 (06:21)

视频:7-5 多步转移与概率乘法(含代码实战) (05:09)

视频:7-6 路径概率问题举例 (03:31)

视频:7-7 本讲小结及下讲预告 (00:42)

第8章 马尔科夫链(下):极限与稳态

视频:8-1 本讲知识概览与导引 (01:04)

视频:8-2 马尔可夫过程的两种典型极限状态 (08:07)

视频:8-3 马尔可夫链中的常返类和周期性 (06:21)

视频:8-4 马尔可夫链的稳态及求法 (04:39)

视频:8-5 本讲小结与下讲预告 (00:36)

第9章 隐马尔科夫模型(上):明暗两条线

视频:9-1 本讲知识概览与导引 (01:34)

视频:9-2 隐马尔科夫模型导引 (00:59)

视频:9-3 隐马尔科夫典型案例1:盒子摸球试验 (06:16)

视频:9-4 隐马尔科夫典型案例2:小宝宝的日常生活 (01:54)

视频:9-5 隐马尔科夫模型的外在特征和内核三要素 (03:27)

视频:9-6 齐次马尔可夫性和观测独立性 (02:26)

视频:9-7 本讲小结及下讲预告 (00:35)

第10章 隐马尔可夫模型(下):概率估计与状态解码

视频:10-1 本讲知识概览与导引 (01:12)

视频:10-2 隐马尔可夫模型的两个研究主题 (03:06)

视频:10-3 观测序列概率估计直观解法及其问题 (03:29)

视频:10-4 用前向概率算法进行概率估计的原理 (05:39)

视频:10-5 前向概率算法应用举例 (03:10)

视频:10-6 前向概率算法的程序实现(含代码实战) (07:09)

视频:10-7 状态解码问题的描述 (01:02)

视频:10-8 维特比算法与最大路径概率 (09:23)

视频:10-9 用维特比算法进行状态解码的理论基础 (04:46)

视频:10-10 盒子摸球案例中的状态解码实战 (07:46)

视频:10-11 维特比算法的程序实现(含代码实战) (05:04)

视频:10-12 本讲小结及下讲预告 (00:33)

第11章 推断未知:统计推断的基本框架

视频:11-1 本讲知识概览与导引 (00:47)

视频:11-2 统计推断的一个引例 (02:59)

视频:11-3 总体、样本与统计量 (03:28)

视频:11-4 估计误差与无偏估计(含代码实战) (06:43)

视频:11-5 总体方差估计与有偏性(含代码实战) (08:44)

视频:11-6 本讲小结及下讲预告 (00:42)

第12章 探寻最大可能:极大似然估计法

视频:12-1 本讲知识概览与导引 (01:07)

视频:12-2 极大似然估计法的引例(含代码实战) (04:34)

视频:12-3 似然函数的由来- (03:10)

视频:12-4 扩展到连续型的似然函数 (00:19)

视频:12-5 极大似然估计的思想 (03:13)

视频:12-6 极大似然估计的计算方法 (02:25)

视频:12-7 单参数极大似然估计案例 (02:04)

视频:12-8 多参数极大似然估计案例 (05:09)

视频:12-9 本讲小结及下讲预告 (00:24)

第13章 贝叶斯统计推断:最大后验

视频:13-1 本讲知识概览与导引 (01:10)

视频:13-2 贝叶斯定理的回顾 (03:03)

视频:13-3 贝叶斯推断的理论过程 (02:46)

视频:13-4 贝叶斯推断实战-选取先验分布(含代码实战) (06:08)

视频:13-5 贝叶斯推断实战-选择观测数据的分布(含代码实战) (06:13)

视频:13-6 贝叶斯推断实战-计算后验分布 (04:03)

视频:13-7 贝叶斯推断全过程模拟验证(含代码实战) (33:19)

视频:13-8 关于共轭先验的问题 (01:40)

视频:13-9 本讲小结及下讲预告 (00:36)

第14章 近似推断的思想和方法

视频:14-1 本讲知识概览与导引 (01:09)

视频:14-2 统计推断的场景与关注重点 (02:43)

视频:14-3 精确推断与近似推断的概念 (01:17)

视频:14-4 随机近似方法的理论基础 (05:13)

视频:14-5 接受-拒绝采样的基本方法 (03:42)

视频:14-6 接受-拒绝采样中建议分布及参数选取(含代码实战) (05:21)

视频:14-7 接受-拒绝采样过程实践(含代码实战) (08:14)

视频:14-8 接受-拒绝采样的方法内涵分析 (02:48)

视频:14-9 重要性采样的方法介绍 (02:35)

视频:14-10 两类采样方法的问题与思考 (01:18)

视频:14-11 本讲小结及下讲预告 (00:33)

第15章 助力近似采样:基于马尔科夫链的采样过程

视频:15-1 本讲知识概览与导引 (01:04)

视频:15-2 马尔科夫链重点内容回顾 (03:57)

视频:15-3 马尔科夫链平稳分布的理解 (04:14)

视频:15-4 马尔科夫链进入稳态的过程演示(含代码实战) (14:27)

视频:15-5 稳态过程的再剖析与意义分析 (03:01)

视频:15-6 基于马尔科夫链的采样过程 (05:22)

视频:15-7 基于马尔科夫链的采样过程实践(含代码实战) (13:21)

视频:15-8 一个显而易见的难题 (01:26)

视频:15-9 本讲小结及下讲预告 (00:42)

第16章 马尔科夫链-蒙特卡洛方法详解

视频:16-1 本讲知识概览与导引 (01:03)

视频:16-2 问题的目标与细致平稳条件 (04:49)

视频:16-3 Metropolis-Hastings方法的基本思路 (03:43)

视频:16-4 M-H方法中的随机游走与接受因子 (06:49)

视频:16-5 M-H方法中建议矩阵Q的选取 (10:03)

视频:16-6 M-H方法的实践(含代码实战) (11:18)

视频:16-7 本讲小结 (00:32)

评论0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址