دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: پیش بینی، علیت و استنباط آماری

در دنیای علم داده، یادگیری ماشین و آمار اغلب با هم ترکیب می‌شوند، اما اهداف متفاوتی را دنبال می‌کنند و تسلط به یکی به معنای تخصص در دیگری نیست. در واقع، استفاده از یک رویکرد آماری برای یک مشکل یادگیری ماشینی، یا برعکس، می تواند بیش از روشن شدن منجر به سردرگمی شود. در این دوره، کیت مک کورمیک چگونگی متفاوت بودن آمار و یادگیری ماشینی، زمان استفاده از هر یک و نحوه استفاده از تمام ابزارهایی که در اختیار دارید را توضیح می‌دهد تا هنگام به اشتراک‌گذاری نتایج خود واضح و متقاعدکننده باشد. او موضوعاتی مانند: چرا همبستگی شواهد کافی برای علیت نیست. تفاوت بین داده های تجربی و مشاهده ای؛ و تفاوت بین آمار سنتی و آمار بیزی. کیت همچنین به علیت نگاه می کند، موضوعی پیچیده در استفاده از آمار و یادگیری ماشینی برای اثبات چیزی که باعث چیز دیگری می شود. اگر مدل‌های یادگیری ماشینی می‌سازید، تجزیه و تحلیل‌های آماری را اجرا می‌کنید - یا به خصوص اگر هر دو را انجام می‌دهید، این دوره برای شما مناسب است.