Fan: Mashinali O’qitishga kirish

Ehtimollar nazariyasi va statistikasi: Mashinali o'qitish va statistika bir-biridan 
unchalik farq qiladigan sohalar emas. Darhaqiqat, kimdir yaqinda mashinali 
o’qitishni "Matematikada statistik ma'lumotlarni saqlash" deb ta'riflagan. MO’ 
uchun zarur bo'lgan asosiy statistik va ehtimollik nazariyalaridan ba'zilari 
kombinatorika, ehtimollik qoidalari va aksiomalar, Bayes teoremasi, tasodifiy 
o'zgaruvchilar, dispersiya va kutish, shartli va qo'shma taqsimotlar, standart 
taqsimotlar (Bernoulli, binomial, polinom, bir xil va Gauss), moment 
Funktsiyalarni yaratish, maksimal ehtimoliy taxminlar (MLE), oldingi va orqa 
taxminlar, orqa taxminlar (MAP) va namuna olish usullari. 
 Algoritmlar va kompleks optimallashtirish. Bu bizning kompyuterda 
o'rganish algoritmimizning hisoblash samaradorligi va ko'lamini tushunish va 
ma'lumotlar to'plamimizdagi kamdan-kamlikdan foydalanish uchun muhimdir. 
Ma'lumotlar tuzilmalari (ikkilik daraxtlar, yig'ish, yig'ish, yig'ish va hk), dinamik 
dasturlash, tasodifiy va sublinear algoritmlar, grafikalar, gradient / stoxastik 
tushish va Primal-Dual usullarini bilish talab qilinadi. 
 
« Mashinali O’qitish algoritmlari asosida matematikani tushunish 
haqiqatan ham zarurmi? Python-da bir nechta keng tarqalgan matematik 

---

kutubxonalar mavjud, ulardan siz osongina modellar yaratish uchun 
foydalanishingiz mumkin! " 
 
Phyton dasturlash tilida matematik operatorlar 
Operatorlar va ularning qo'llanilishini qisqacha ko'rib chiqamiz. Misol uchun, 
2 + 3 ifodani tekshirib ko'rish uchun interaktiv interpretatordan foydalanishimiz 
mumkin. 
>>> 2 + 3 
5 
>>> 3 * 5 
15 
Matematik amallar va o'zlashtirishlarni qisqacha yozish 
Ko'pincha bir o'zgaruvchi ustida biror matimatik amal bajarib, natijani o'sha 
o'zgaruvchining o'ziga o'zlashtirish zaruriyati tug'iladi. Bu holda amallarni 
qisqacha yozish mumkin. 
Siz 
a = 2; a = a * 3 
ni quyidagicha yozishingiz mumkin: 
a = 2; a *= 3