After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Xác suất là nghiên cứu về những quy luật xuất hiện trong kết quả của các thí nghiệm ngẫu nhiên. Trong khóa học này, bạn sẽ tìm hiểu các khái niệm xác suất nền tảng như biến ngẫu nhiên (bắt đầu với ví dụ kinh điển tung đồng xu), cách tính giá trị kỳ vọng và phương sai, các phân phối xác suất, và xác suất có điều kiện. Chúng ta cũng sẽ khám phá hai định lý rất quan trọng trong xác suất: luật số lớn và định lý giới hạn trung tâm. Vì xác suất là cốt lõi của khoa học dữ liệu và Machine Learning, những khái niệm này sẽ giúp bạn hiểu và áp dụng mô hình một cách vững vàng hơn. Cơ hội hiện diện ở khắp nơi, và việc học xác suất sẽ thay đổi cách bạn nhìn thế giới. Hãy cùng “ngẫu nhiên hóa” nào!
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Bắt đầu với tung đồng xu
Tung đồng xu là ví dụ kinh điển của một thí nghiệm ngẫu nhiên. Kết quả có thể là sấp hoặc ngửa. Dạng thí nghiệm này, còn gọi là phép thử Bernoulli hoặc nhị thức, cho phép chúng ta nghiên cứu các bài toán chỉ có hai khả năng, như “có” hoặc “không”, “bỏ phiếu” hoặc “không bỏ phiếu”. Chương này giới thiệu các thí nghiệm Bernoulli, phân phối nhị thức để mô hình hóa nhiều phép thử Bernoulli, và mô phỏng xác suất với thư viện scipy.
- Hãy tung đồng xu bằng Python50 XP
- Tung đồng xu100 XP
- Dùng binom để tung nhiều đồng xu hơn nữa100 XP
- Hàm khối xác suất và hàm phân phối50 XP
- Dự đoán xác suất lỗi100 XP
- Dự đoán tình trạng việc làm100 XP
- Dự đoán tỷ lệ kết án trộm đột nhập100 XP
- Giá trị kỳ vọng, trung bình và phương sai50 XP
- Tính kỳ vọng và phương sai50 XP
- Tính trung bình mẫu100 XP
- Kiểm tra kết quả100 XP
- Tính trung bình và phương sai của một mẫu100 XP
2
Tính một vài xác suất
Trong chương này bạn sẽ học cách tính nhiều loại xác suất khác nhau, chẳng hạn xác suất giao của hai biến cố và tổng xác suất của hai biến cố, cũng như cách mô phỏng các tình huống đó. Bạn cũng sẽ học về xác suất có điều kiện và cách áp dụng định luật Bayes.
3
Các phân phối xác suất quan trọng
Đến giờ chúng ta mới làm việc với các phân phối nhị thức, nhưng có rất nhiều phân phối xác suất mà một biến ngẫu nhiên có thể tuân theo. Trong chương này, chúng ta sẽ giới thiệu thêm ba phân phối có liên quan đến phân phối nhị thức: phân phối chuẩn, Poisson và hình học.
4
Khi xác suất gặp thống kê
Giờ đây khi bạn đã biết cách tính xác suất và các đặc trưng quan trọng của phân phối xác suất, chúng ta sẽ giới thiệu hai kết quả then chốt: luật số lớn và định lý giới hạn trung tâm. Điều này sẽ mở rộng hiểu biết của bạn về việc trung bình mẫu hội tụ về trung bình tổng thể khi có nhiều dữ liệu hơn và cách tổng của các biến ngẫu nhiên ứng xử dưới những điều kiện nhất định.
Chúng ta cũng sẽ khám phá mối liên hệ giữa hồi quy tuyến tính và hồi quy logistic như những ứng dụng của xác suất và thống kê trong khoa học dữ liệu.
Nền tảng Xác suất trong Python
Hoàn
thành khóa học
