⠀⠀⠀⠀(a) Несколько слов о Колмогоровской вероятности
⠀⠀⠀⠀• Вероятностное пространство для конечной модели
⠀⠀⠀⠀• Геометрическая модель вероятности
⠀⠀⠀⠀• Дискретная модель вероятности
⠀⠀⠀⠀(b) Несколько слов о Баесовском и Мизесвском подходах
⠀⠀⠀⠀• Частотный подход Мизеса. Актуально ли сейчас
⠀⠀⠀⠀• Важность Баесовского подхода в ML
⠀⠀⠀⠀(a) Условная вероятность⠀⠀⠀⠀
⠀⠀⠀⠀• Частотный обзор понятия. Общее определение
⠀⠀⠀⠀• Формула Байеса
⠀⠀⠀⠀(b) Независимость
⠀⠀⠀⠀• Вывод понятия из условной вероятности
⠀⠀⠀⠀• Общее понятие
⠀⠀⠀⠀• Независимые повторы эксперимента
⠀⠀⠀⠀• Обзор модуля random в Python. Геометрическая визуализация с помощью ⠀⠀⠀⠀библиотеки matplotlib
⠀⠀⠀⠀(a) Дискретные случайные величины и векторы. Их числовые характеристики
⠀⠀⠀⠀• Случайные величины и векторы
⠀⠀⠀⠀• Зависимость случайных величин и векторов
⠀⠀⠀⠀• Распределения случайных величин. Визуализация в python
⠀⠀⠀⠀• Моменты случайных величин в т. ч. математическое ожидание, дисперсия и ⠀⠀⠀⠀ковариация. Корреляция. Применение метода в вопросе о зависимости
⠀⠀⠀⠀(b) Основные дискретные модели
⠀⠀⠀⠀• Схема Бернулли
⠀⠀⠀⠀• Геометрическое распределение
⠀⠀⠀⠀• Распределение Паскаля
⠀⠀⠀⠀• Оценка вероятностей в схеме Бернулли. Теорема Муавра-Лапласа
⠀⠀⠀⠀• Распределение Пуассона
⠀⠀⠀⠀(c) Закон Больших Чисел в слабой форме и в форме Чебышёва
⠀⠀⠀⠀(a) Непрерывная случайная величина
⠀⠀⠀⠀• Абсолютно непрерывная с.в. и плотность
⠀⠀⠀⠀• Сингулярные с.в. Общие сведения
⠀⠀⠀⠀(b) Основные числовые характеристики для непрерывных с.в.
⠀⠀⠀⠀(c) Классические вероятностные модели
⠀⠀⠀⠀• Равномерное распределение
⠀⠀⠀⠀• Гауссово (нормальное) распределение
⠀⠀⠀⠀• Показательное распределение
⠀⠀⠀⠀• Логнормальное распределение
⠀⠀⠀⠀• Распределение χ^2
⠀⠀⠀⠀• Распределение Коши
⠀⠀⠀⠀(d) Закон Больших Чисел
⠀⠀⠀⠀(e) Центральная Предельная Теорема
⠀⠀⠀⠀(a) Что такое ML? В чём разница со статистикой
⠀⠀⠀⠀(b) основные выборочные характеристики, интервальные оценки, точечные ⠀⠀⠀⠀оценки, проверка статистических гипотез
⠀⠀⠀⠀(c) Проверка гипотезы о виде закона распределения
⠀
(a) Несколько слов о Колмогоровской вероятности
• Вероятностное пространство для конечной модели
• Геометрическая модель вероятности
• Дискретная модель вероятности
(b) Несколько слов о Баесовском и Мизесвском подходах
• Частотный подход Мизеса. Актуально ли сейчас
• Важность Баесовского подхода в ML
(a) Условная вероятность
• Частотный обзор понятия. Общее определение
• Формула Байеса
(b) Независимость
• Вывод понятия из условной вероятности
• Общее понятие
• Независимые повторы эксперимента
• Обзор модуля random в Python. Геометрическая визуализация с помощью библиотеки matplotlib
(a) Дискретные случайные величины и векторы. Их числовые характеристики
• Случайные величины и векторы
• Зависимость случайных величин и векторов
• Распределения случайных величин. Визуализация в python
• Моменты случайных величин в т. ч. математическое ожидание, дисперсия и ковариация.
Корреляция. Применение метода в вопросе о зависимости
(b) Основные дискретные модели
• Схема Бернулли
• Геометрическое распределение
• Распределение Паскаля
• Оценка вероятностей в схеме Бернулли. Теорема Муавра-Лапласа
• Распределение Пуассона
(c) Закон Больших Чисел в слабой форме и в форме Чебышёва
(a) Непрерывная случайная величина
• Абсолютно непрерывная с.в. и плотность
• Сингулярные с.в. Общие сведения
(b) Основные числовые характеристики для непрерывных с.в.
(c) Классические вероятностные модели
• Равномерное распределение
• Гауссово (нормальное) распределение
• Показательное распределение
• Логнормальное распределение
• Распределение χ^2
• Распределение Коши
(d) Закон Больших Чисел
(e) Центральная Предельная Теорема
(a) Что такое ML? В чём разница со статистикой
(b) основные выборочные характеристики, интервальные оценки, точечные оценки,
проверка статистических гипотез
(c) Проверка гипотезы о виде закона распределения