Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Concept

Thomas Bayes

Séances de cours associées (30)

Apprentissage supervisé avec kNN : modèle de régression

Couvre un modèle mathématique simple pour lapprentissage supervisé avec k-plus proches voisins en régression.

Inférence bayésienne : estimation optimale

Explore l'inférence bayésienne optimale, la dénigrement, l'estimation scalaire et les transitions de phase.

Échantillonnage : estimation conditionnelle de la probabilité maximale MOOC: Sujets choisis sur le choix discret

Couvre l'estimation conditionnelle maximale de la probabilité, la contribution à la probabilité et l'application du modèle de VEM dans les échantillons fondés sur le choix.

Probabilités et statistiques : variables aléatoires discrètes

Explore les variables aléatoires discrètes, les fonctions de masse et les fonctions de distribution dans les probabilités et les statistiques.

Échantillonnage: estimation de la probabilité maximale MOOC: Sujets choisis sur le choix discret

Examine l'échantillonnage dans l'estimation de la probabilité maximale et ses répercussions sur la contribution conjointe de la probabilité et de la probabilité.

Probabilité conditionnelle

Explore la probabilité conditionnelle, la loi de la probabilité totale, le théorème de Bayes, et la décomposition de prédiction.

Probabilité avancée: théorème de Bayes et variables aléatoires

Couvre les concepts avancés de probabilité, y compris le théorème de Bayes et les variables aléatoires.

Modèles de mélange: paramètres de niveau individuels MOOC: Sujets choisis sur le choix discret

Explore les modèles de mélange et les paramètres de niveau individuel dans des scénarios de choix discrets, couvrant la distribution, le théorème de Bayes et les valeurs attendues.

Probabilités : brève histoire et concepts de base

Explore la courte histoire des probabilités et des concepts de base tels que l'espace d'échantillonnage et l'événement.

Comprendre les statistiques et le design expérimental

Couvre les statistiques, la conception expérimentale, les erreurs, les distributions, les implications de la taille de l'échantillon et les résultats nuls.

Probabilité avancée: Arbres de probabilité et probabilités conditionnelles

Explore les arbres de probabilités, les probabilités conditionnelles, les essais Bernoulli, la distribution binomiale et le théorème de Bayes.

Probabilité et statistiques

Couvre les concepts fondamentaux de probabilité et de statistique, y compris la loi de probabilité totale, le théorème de Bayes, et l'indépendance des événements.

Aperçu du théorème de Bayes

Présente le FROG, un outil pour les éducateurs afin d'améliorer l'interactivité en classe.

Théorème de Bayes: Applications de probabilité

Introduit le théorème de Bayes pour le calcul des probabilités conditionnelles dans les scénarios de tests de maladies.

Probabilité : Exemples

Couvre des exemples de probabilité, y compris le théorème de Bayes, l'indépendance et la probabilité conditionnelle.

Bayes Theorem: Demandes et interprétation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'utilité pratique du théorème de Bayes pour inverser les perspectives et calculer efficacement les probabilités conditionnelles.

Théorème de Bayes : applications et simulations Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'application du théorème de Bayes dans le raisonnement pratique, en particulier dans les milieux cliniques.

Le risque de Bayes et la généralisation dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Explore le risque de Bayes, la généralisation, les taux d'erreur et les méthodes d'interpolation dans l'apprentissage automatique.

Probabilité et statistiques Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des concepts clés en probabilité et en statistiques, tels que les événements, les diagrammes de Venn et la probabilité conditionnelle.

Méthodes de l'ensemble : Forêts aléatoires Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les méthodes d'ensemble comme les forêts aléatoires et les baies de Naive de Gaussian, expliquant comment elles améliorent la précision de prédiction et estimer les distributions gaussiennes conditionnelles.