课程介绍：
第一阶段 掌握概率论基础与参数估计
第1课 概率论基础
知识点1： 概率论基础：简要定义概率空间，事件以及事件的概率
知识点2： 常见概率公式：全概率公式，贝叶斯公式
知识点3： 随机变量：随机变量的定义，随机变量的独立性，相关性，方差，协方差
实战项目： 朴素贝叶斯分类(上)
第2课 参数估计：从概率到统计
知识点1： 大数定理，中心极限定理
知识点2： 矩估计，极大似然估计
知识点3： 区间估计
实战项目： 朴素贝叶斯分类(下)
第二阶段 基于面试题库精讲概率统计的应用
第3课 面试中常见的概率统计问题
知识点1： 条件概率的技巧
知识点2： 排列组合的技巧
知识点3： 概率论的概念性的问题
知识点4： 统计学的概念性问题
第4课 概率统计在机器学习中的应用
知识点1： 凸集合与凸函数
知识点2： EM算法原理分析
知识点3： EM算法用于高斯混合模型的参数估计
知识点4： EM算法用于缺失值的处理
第三阶段 掌握熵与最大熵
第5课 熵与相对熵
知识点1： 定义熵：度量信息的方式
知识点2： 相对熵，度量两个分布的差别
知识点3： 解释Entropy, Cross-Entropy and KL-Divergence 的关系
实战项目： t-sne 聚类可视化算法
第6课 最大熵原理与最大熵模型
知识点1： 最大熵分类模型
知识点2： 最大熵模型的训练
实战项目： 自然语言处理实例
课程截图：
〖课程目录〗:
- | └──24、概率统计 第二期
- | | ├──第1课概率论基础.TS 144.11M
- | | ├──第2课 参数估计：从概率到统计.TS 160.08M
- | | ├──第3课 面试中常见的概率统计问题.TS 207.57M
- | | ├──第4课 概率统计在机器学习中的应用.mp4 180.81M
- | | ├──第5课 熵与相对熵.TS 187.77M
- | | └──第6课 最大熵原理与最大熵模型.TS 164.82M
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
