最近、機械学習の勉強を始めましたが、条件付き確率、ベイズの定理などの確率の基本を更新する必要があることがわかりました。
機械学習で確率の概念をすばやくブラッシュアップできるオンラインリソースを探しています。
私が偶然見つけたオンラインリソースは、非常に基本的であるか、高度すぎるものです。
最近、機械学習の勉強を始めましたが、条件付き確率、ベイズの定理などの確率の基本を更新する必要があることがわかりました。
機械学習で確率の概念をすばやくブラッシュアップできるオンラインリソースを探しています。
私が偶然見つけたオンラインリソースは、非常に基本的であるか、高度すぎるものです。
これが役立つかもしれません: http://www.cs.cmu.edu/~tom/10601_fall2012/lectures.shtml
上記のリンクは、Tom Mitchell の Machine Learning Class @ CMU からのものです。ビデオも利用できます。すべてのビデオに目を通せば、ML の概念をよく理解できます。(または、条件付き確率、ベイズ定理などの最初の数本のビデオ)。
条件付き確率とベイズ定理の概念は、それ自体非常に基本的なものです。確率論的モデリングほど基本的なことはない、とあなたは言うかもしれません。これは、見つけたものをよく見ていないか、まったく検索していないことを示唆しています。
まず、確率または機械学習を扱うCourseraコース (AI、Statistics One、または Probabilistic Graphical Models を参照) には、これらの準備が含まれています。次に、オンラインで無料で入手できる統計に関する書籍が多数あります。その一例がInformation Theory, Inference, and Learning Algorithmsです。