Недавно я прошел собеседование на должность инженера-программиста по машинному обучению (Ph.D.) в Facebook. Вот мои заметки к части интервью, посвященной вероятности и статистике, взятые из этого курса, который я проходил в своем университете.
Основы
Независимые события: P(AB) = P(A).P(B), Взаимоисключающие события: P(A пересечение B) = 0.
Условная вероятность
Сетевое правило
Теорема Байеса
Случайные переменные
Распределения вероятностей
Совместные распределения
Линейность ожидания
Неравенство Маркова
Неравенство Чебышева
Прямо пропорциональна дисперсии и обратно пропорциональна ошибке.
Центральная предельная теорема
Вычислите показатель z, а затем найдите соответствующее процентное значение в таблице z.
Цепи Маркова и случайное блуждание
Мы можем перейти из одного состояния в другое с некоторой вероятностью. Вероятность нахождения в состоянии зависит только от предыдущего состояния и не зависит от истории предпринятых шагов.
Параметрический вывод
квантили
Нормальные доверительные интервалы
Метод моментов
Максимальная вероятность
Проверка гипотезы
Ошибка типа I = ложное срабатывание
Байесовский вывод
Распределение апостериорного распределения сходится к фактическому среднему значению распределения данных, в конечном счете, с помощью байесовского метода.
Анализ временных рядов: https://towardsdatascience.com/the-complete-guide-to-time-series-analysis-and-forecasting-70d476bfe775
