Build your ultimate AI agent
รายละเอียดคอร์ส
ความน่าจะเป็นคือการศึกษารูปแบบที่เกิดขึ้นซ้ำในผลลัพธ์ของการทดลองแบบสุ่ม ในคอร์สนี้ จะได้เรียนรู้แนวคิดพื้นฐานด้านความน่าจะเป็น เช่น ตัวแปรสุ่ม (เริ่มจากตัวอย่างคลาสสิกอย่างการโยนเหรียญ) การคำนวณค่าเฉลี่ยและความแปรปรวน การแจกแจงความน่าจะเป็น และความน่าจะเป็นแบบมีเงื่อนไข นอกจากนี้ยังจะสำรวจผลลัพธ์สำคัญสองประการในทฤษฎีความน่าจะเป็น ได้แก่ กฎของจำนวนมากและทฤษฎีบทลิมิตกลาง เนื่องจากความน่าจะเป็นเป็นรากฐานของ data science และ machine learning แนวคิดเหล่านี้จะช่วยให้เข้าใจและนำโมเดลไปใช้ได้อย่างมั่นใจยิ่งขึ้น ความน่าจะเป็นอยู่รอบตัวเรา และการศึกษาเรื่องนี้จะเปลี่ยนมุมมองที่มีต่อโลกไปอย่างสิ้นเชิง
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
เริ่มต้นโยนเหรียญกัน
การโยนเหรียญคือตัวอย่างคลาสสิกของการทดลองแบบสุ่ม โดยผลลัพธ์ที่เป็นไปได้คือหัวหรือก้อย การทดลองประเภทนี้เรียกว่าการทดลองแบบเบอร์นูลลีหรือไบโนเมียล ซึ่งช่วยให้ศึกษาปัญหาที่มีผลลัพธ์สองแบบ เช่น "ใช่" หรือ "ไม่ใช่" และ "โหวต" หรือ "ไม่โหวต" บทนี้จะแนะนำการทดลองแบบเบอร์นูลลี การแจกแจงแบบไบโนเมียลสำหรับจำลองการทดลองเบอร์นูลลีหลายครั้ง และการจำลองความน่าจะเป็นด้วยไลบรารี scipy
- มาโยนเหรียญใน Python กัน50 XP
- การโยนเหรียญ100 XP
- ใช้ binom เพื่อโยนเหรียญให้มากขึ้น100 XP
- ฟังก์ชันมวลความน่าจะเป็นและฟังก์ชันการแจกแจง50 XP
- การพยากรณ์ความน่าจะเป็นของชิ้นส่วนที่มีข้อบกพร่อง100 XP
- การพยากรณ์สถานะการจ้างงาน100 XP
- การพยากรณ์อัตราการคลี่คลายคดีลักทรัพย์100 XP
- ค่าคาดหวัง ค่าเฉลี่ย และความแปรปรวน50 XP
- การคำนวณค่าคาดหวังและความแปรปรวน50 XP
- การคำนวณค่าเฉลี่ยของตัวอย่าง100 XP
- ตรวจสอบผลลัพธ์100 XP
- การคำนวณค่าเฉลี่ยและความแปรปรวนของตัวอย่าง100 XP
2
คำนวณความน่าจะเป็น
ในบทนี้จะได้เรียนรู้การคำนวณความน่าจะเป็นหลากหลายรูปแบบ เช่น ความน่าจะเป็นของอินเทอร์เซกชันของสองเหตุการณ์และผลรวมความน่าจะเป็นของสองเหตุการณ์ รวมถึงการจำลองสถานการณ์เหล่านั้น นอกจากนี้ยังจะได้เรียนรู้เรื่องความน่าจะเป็นแบบมีเงื่อนไขและการนำกฎของเบย์สไปใช้
3
การแจกแจงความน่าจะเป็นที่สำคัญ
จนถึงตอนนี้เราทำงานกับการแจกแจงแบบไบโนเมียลมาตลอด แต่ยังมีการแจกแจงความน่าจะเป็นอีกหลายรูปแบบที่ตัวแปรสุ่มสามารถเป็นได้ ในบทนี้จะแนะนำอีก 3 รูปแบบที่เกี่ยวข้องกับการแจกแจงแบบไบโนเมียล ได้แก่ การแจกแจงแบบปกติ การแจกแจงแบบปัวซง และการแจกแจงแบบเรขาคณิต
4
ความน่าจะเป็นพบกับสถิติ
เมื่อรู้วิธีคำนวณความน่าจะเป็นและคุณสมบัติสำคัญของการแจกแจงความน่าจะเป็นแล้ว บทนี้จะแนะนำผลลัพธ์สำคัญสองประการ ได้แก่ กฎของจำนวนมากและทฤษฎีบทลิมิตกลาง ซึ่งจะขยายความเข้าใจเกี่ยวกับการที่ค่าเฉลี่ยของตัวอย่างเข้าสู่ค่าเฉลี่ยของประชากรเมื่อมีข้อมูลมากขึ้น และพฤติกรรมของผลรวมตัวแปรสุ่มภายใต้เงื่อนไขที่กำหนด
นอกจากนี้ยังจะสำรวจความเชื่อมโยงระหว่างการถดถอยเชิงเส้นและการถดถอยโลจิสติกในฐานะการประยุกต์ใช้ความน่าจะเป็นและสถิติใน data science
พื้นฐานความน่าจะเป็นด้วย Python
เรียนจบแล้ว

