课程介绍

• 

  冒教授

  研究员/技术专家/教授

  计算机博士，现在中科院从事科研教学工作，十余年机器学习教学经验，主持国家级科研项目3项，研究方向为机器学习、计算机视觉及多媒体处理。

• 主题说明

  本课程讲解机器学习算法所需概率和统计推断知识。概率部分包括概率公理及推论、条件概率、贝叶斯公式、随机变量及其概率函数（CDF／pdf）、常用概率分布及其均值、方差；统计推断部分包括大数定律和中心极限定理、极大似然估计、贝叶斯估计，估计的评价、偏差-方差平衡。课程还会讲解假设检验的基本概念。

• 适合对象

  机器学习相关人士或者在校大学生。

• 学习要点

  1. 概率公理及推论

  2. 随机事件之间的关系：条件概率、贝叶斯公式

  3. 随机变量及其分布： pmf/pdf、CDF、均值、方差、分位数

  4. 常用随机变量分布：离散型随机变量、连续性随机变量

  5. 概率密度估计

  6. 应用：Kaggle竞赛数据分析（直方图／核密度估计）、xgboost近似搜索（分位数）

   

• 课时安排

  本课程是一个系列课程

  第一讲：随机变量及其分布

  第二讲：多元随机向量及其分布

  第三讲：极大似然估计

  第四讲：贝叶斯估计