投稿

概率机器学习基础：MIT概率课图解笔记

1.8万

8

2018-05-25 21:47:49

未经作者授权，禁止转载

计划图解一系列概率公开课(coursera, edx的课程)，来逐步构建概率的直觉；给概率机器学习和概率深度学习打基础； An Intuitive introduction of probability (coursera) Introduction to Probability (MIT, edx)

深度碎片发消息

As Simple As Possible

同行都在偷偷用的动画制作神器，今天免费开放体验

4万人感兴趣

专辑介绍和Intuitive introduction to probability

01:12

概率的三种定义理解

12:43

Independence 和2 dices 例子

09:19

案例解释subjective probability和conjunction fallacy

07:25

什么是empirical probability and Benford law的神奇应用

06:12

如何直观理解条件概率

05:03

直观理解conditional probability公式

04:16

直观理解multiplication rule

10:54

如何理解和使用probability table

05:39

如何用table直观理解Bayes rule

10:31

概率脑筋急转弯birthday problem

15:44

概率脑筋急转弯Monty Hall problem

08:10

从概率角度解析07年金融危机根源part1

09:19

从概率角度解析07年金融危机根源part2

06:04

如何理解prosecutor's fallacy

13:37

不懂概率的court是造就了tragedy of Sally Clark

07:03

复习discrete random variable

07:40

复习Expected value

09:27

复习variance

04:20

概率概念普遍存在与金融建模中

05:25

复习binomial distribution

13:39

如何用binomial distribution理解航空公司超卖机票行为

13:37

复习continuous random variable

09:56

复习normal distribution

05:27

如何计算standard normal distribution下的概率值

11:14

如何计算inverse normal distribution从概率值推到X的临界值

05:25

更多normal distribution 计算练习

10:25

intuitive probability课程笔记总结

01:49

Intro probability MIT Lec1 overview笔记

03:34

Lec1 sample space的3种特质

05:38

sample space 离散和连续的案例

02:44

概率的3大定理Axioms

06:11

如何从3个概率定理推到出3个属性

05:58

证明更多概率属性

10:13

离散数据的概率discrete example

04:40

连续性实验结果的概率求解

05:07

无穷实验结果的countable additivity如何使用

09:41

概率的解读和功能

02:33

集合的基本概念复习

05:21

复习de morgan law

03:54

如何理解sequences and their limits

05:38

如何理解sequence convergence

02:31

如何理解infinite series

03:31

如何理解geometric series

05:19

不同计算顺序对multiple index series summation的影响

07:49

如何理解countable 和uncountable sets以及如何证明real numbers为不可数

08:38

如何证明连集与交集的不等式关系bonferroni inequality

05:13

什么是ugly discontinuity

01:20

如何证明一个differentiable函数也是continuous

04:00

lecture 2 conditioning and bayes rule overview

01:03

如何理解conditional probability

08:55

用2个四面骰子问题来理解条件概率

08:03

普通概率属性都适用于条件概率

04:45

用条件概率建模来评估雷达监测飞机的实力

09:56

如何用条件概率乘法来证明n个集合相交的概率等式

08:30

如何理解total probability theorem

06:09

如何从modeling和inference角度理解Bayes rule

04:23

Lecture 3 independence overview

01:34

3.2 coin tossing引入independence

11:07

3.3 直观和公式化理解independence以及与disjoint的区别

08:18

3.4 如何证明A与B补集的independence

03:47

3.5如何理解conditional independence

06:49

3.6conditional independence不能推断independence

07:20

3.7 如何理解多集合独立性的关系

04:24

3.8 证明pairwise independence不能推断independence

09:08

3.9 independence如何帮助快速计算系统稳定性的概率

05:02

3.10概率建模也是一个艺术工作the king sibling

07:05

lecture 4 counting overview

01:16

4.1 如何理解和使用counting principles

08:20

4.2 如何用counting principle解读die roll examples

03:09

4.3 如何理解和证明combination计算公式的由来

07:30

4.4 如何理解combination计算在binomial probability中的使用

08:01

4.5 用combination解题10 coin tossing 3 heads 前2个H

12:00

4.6 如何理解partitions的计算方法

05:12

4.7 如何用partition counting来做分牌概率的计算

04:05

4.8 如何理解和使用multinomial probability

05:54

Lecture 5 离散变量 I overview

01:06

5.2 如何理解Random Variable的含义

07:54

5.3 如何理解和计算离散变量的PMF

12:20

5.4 如何理解基于离散变量的PMF和Indicator

03:10

5.5 如何理解基于离散变量的uniform distribution

03:41

5.6 如何理解离散变量在binomial distribution的使用

09:04

5.7 如何理解离散变量下的Geometric distribution

06:29

5.8 如何理解Expectation的计算

07:55

5.9 Expectation的基本属性

02:26

5.10 计算expected value的规则

08:59

5.11 如何使用和证明linearity of expectation

05:31

5.12 如何理解函数

05:01

6.2 如何理解和计算variance

12:26

6.3 如何计算Bernoulli和uniform的variance

09:02

6.4 如何理解和使用conditioning下的PMF Expectation and Variance

08:26

6.5 如何理解total expectation theorem

13:02

6.6 如何理解conditioning geometric random variable和memorylessness

15:06

6.7 如何理解multiple random variable 构成的 PMF

10:18

6.8 如何理解和使用linearity of expectation

11:34

7.2 如何理解conditional PMFs

13:28

7.3 如何理解conditional expectation and total expection theorem

07:10

7.4 如何理解independence在random variable中的使用

06:59

7.5 example on conditional independence

05:45

7.6 如何理解independence和expectation产生的属性

05:15

7.7 如何理解independence and variance with binomial

07:40

7.8 如何理解 the hat problem

13:40

S7.1 如何理解inclusion exclusion formula

09:22

S7.2 如何证明variance of geometric PMF

03:00

S7.3 如何理解event和random variable的independence

03:52

8.2 如何理解probability density function

09:00

8.3 如何理解uniform和piecewise PDF

01:41

8.4 如何理解连续变量的expectation and variance

07:10

8.6 如何推倒exponential random variable的Expectation and variance

06:14

8.5 如何证明continuous uniform random variable

02:01

8.6 如何推倒exponential random variable的Expectation and variance

06:14

8.7 如何理解CDF

06:09

8.8 如何理解normal random variable

08:05

8.9 如何计算CDFwith table

07:37

9.2 梳理conditional continuous rv on event

10:10

9.3 解读conditioning example

03:28

9.4 解读memorylessness of exponential PDF

07:35

9.5 total probability and expectation theorem解读

07:49

9.6 理解mixed random variable

05:30

9.7 理解joint PDFs

07:59

9.8 理解如何从joint prob推导导marginal prob

12:45

9.9 如何理解continuous analogs属性

02:51

9.10 梳理Joint CDF

02:14

9.11 梳理Buffon needle problem 和monte carlo的用途

06:35

顶部