توضیحات
The materials here form a textbook for a course in mathematical probability and statistics for computer science students. (It would work fine for general students too.)
‘Why is this text different from all other texts?’
Computer science examples are used throughout, in areas such as: computer networks; data and text mining; computer security; remote sensing; computer performance evaluation; software engineering; data management; etc.
The R statistical/data manipulation language is used throughout. Since this is a computer science audience, a greater sophistication in programming can be assumed. It is recommended that my R tutorials be used as a supplement:
Chapter 1 of my book on R software development, The Art of R Programming, NSP, 2011 (http://heather.cs.ucdavis.edu/~matloff/R/NMRIntro.pdf)
Part of a VERY rough and partial draft of that book (http://heather.cs.ucdavis.edu/~matloff/132/NSPpart.pdf). It is only about 50% complete, has various errors, and presents a number of topics differently from the final version, but should be useful in R work for this class.
Throughout the units, mathematical theory and applications are interwoven, with a strong emphasis on modeling: What do probabilistic models really mean, in real-life terms? How does one choose a model? How do we assess the practical usefulness of models?
For instance, the chapter on continuous random variables begins by explaining that such distributions do not actually exist in the real world, due to the discreteness of our measuring instruments. The continuous model is therefore just that–a model, and indeed a very useful model.
There is actually an entire chapter on modeling, discussing the tradeoff between accuracy and simplicity of models.
There is considerable discussion of the intuition involving probabilistic concepts, and the concepts themselves are defined through intuition. However, all models and so on are described precisely in terms of random variables and distributions.
For topical coverage, see the book’s detailed table of contents.
The materials are continuously evolving, with new examples and topics being added.
Prerequisites: The student must know calculus, basic matrix algebra, and have some minimal skill in programming.
————————————————————–
ترجمه ماشینی :
مطالب اینجا یک کتاب درسی برای درس احتمالات ریاضی و آمار برای دانشجویان علوم کامپیوتر است. (برای دانشآموزان عمومی هم خوب کار میکند.) ‘چرا این متن با همه متون دیگر متفاوت است؟’ نمونه های علوم کامپیوتر در سراسر، در زمینه هایی مانند: شبکه های کامپیوتری استفاده می شود. داده و متن کاوی؛ امنیت رایانه؛ سنجش از دور؛ ارزیابی عملکرد کامپیوتر؛ مهندسی نرم افزار؛ مدیریت اطلاعات؛ و غیره. زبان آماری/دستکاری دادههای R در همه جا استفاده میشود. از آنجایی که این یک مخاطب علم کامپیوتر است، می توان پیچیدگی بیشتری در برنامه نویسی فرض کرد. توصیه می شود که از آموزش های R من به عنوان مکمل استفاده شود: فصل 1 کتاب من در توسعه نرم افزار R، هنر برنامه نویسی R، NSP، 2011 (http://heather.cs.ucdavis.edu/~matloff/ R/NMRIntro.pdf) بخشی از پیش نویس بسیار خشن و جزئی آن کتاب (http://heather.cs.ucdavis.edu/~matloff/132/NSPpart.pdf). این فقط حدود 50٪ کامل است، دارای خطاهای مختلف است، و تعدادی از موضوعات را متفاوت از نسخه نهایی ارائه می دهد، اما باید در کار R برای این کلاس مفید باشد. در سرتاسر واحدها، نظریه ریاضی و کاربردها با تأکید زیادی بر مدلسازی در هم تنیده شدهاند: مدلهای احتمالی واقعاً در شرایط زندگی واقعی به چه معنا هستند؟ چگونه یک مدل انتخاب می شود؟ چگونه سودمندی عملی مدل ها را ارزیابی می کنیم؟ برای مثال، فصل متغیرهای تصادفی پیوسته با توضیح اینکه چنین توزیعهایی در واقع در دنیای واقعی وجود ندارند، به دلیل گسستگی ابزارهای اندازهگیری ما آغاز میشود. بنابراین مدل پیوسته فقط همین است – یک مدل، و در واقع یک مدل بسیار مفید. \ در واقع یک فصل کامل در مورد مدلسازی وجود دارد که در مورد مبادله بین دقت و سادگی مدلها بحث میکند. بحث قابل توجهی در مورد شهود شامل مفاهیم احتمالی وجود دارد و خود مفاهیم از طریق شهود تعریف می شوند. با این حال، تمام مدلها و غیره دقیقاً بر اساس متغیرها و توزیعهای تصادفی توصیف میشوند. برای پوشش موضوعی، فهرست مطالب کتاب را به تفصیل ببینید. مواد به طور مداوم در حال پیشرفت هستند، با مثال ها و موضوعات جدید اضافه می شوند. پیش نیازها: دانش آموز باید حساب دیفرانسیل و انتگرال، جبر ماتریس پایه را بداند و حداقل مهارت در برنامه نویسی داشته باشد.
tag : دانلود کتاب از الگوریتمها تا Z-Scores: مدلسازی احتمالی و آماری در علوم کامپیوتر , Download از الگوریتمها تا Z-Scores: مدلسازی احتمالی و آماری در علوم کامپیوتر , دانلود از الگوریتمها تا Z-Scores: مدلسازی احتمالی و آماری در علوم کامپیوتر , Download From Algorithms to Z-Scores: Probabilistic and Statistical Modeling in Computer Science Book , از الگوریتمها تا Z-Scores: مدلسازی احتمالی و آماری در علوم کامپیوتر دانلود , buy از الگوریتمها تا Z-Scores: مدلسازی احتمالی و آماری در علوم کامپیوتر , خرید کتاب از الگوریتمها تا Z-Scores: مدلسازی احتمالی و آماری در علوم کامپیوتر , دانلود کتاب From Algorithms to Z-Scores: Probabilistic and Statistical Modeling in Computer Science , کتاب From Algorithms to Z-Scores: Probabilistic and Statistical Modeling in Computer Science , دانلود From Algorithms to Z-Scores: Probabilistic and Statistical Modeling in Computer Science , خرید From Algorithms to Z-Scores: Probabilistic and Statistical Modeling in Computer Science , خرید کتاب From Algorithms to Z-Scores: Probabilistic and Statistical Modeling in Computer Science ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.