先决条件: 需具备Python基本知识。

您将学到什么

• 概率基本原理

  应用主要的概率知识，如条件概率、贝叶斯定理和随机变量，解决数据问题。

• 概率分布

  识别并应用常用概率分布（正态、泊松、二项等），用于机器学习中的数据建模。

• 描述性统计

  计算并理解集中趋势、离散度和相关性指标，以总结数据集。

• 统计推断

  理解抽样方法、中心极限定理，并构建总体参数的置信区间。

• 假设检验

  制定并执行假设检验（如t检验），以便基于数据做决策并评估模型。

• 回归分析

  掌握线性回归的基本原理，将模型拟合到数据，并评估其表现。

• 实际操作

  使用Python库（如NumPy、SciPy和Pandas）进行统计技术和概率计算。