掌握统计学和机器学习：直觉、数学、代码

通过 Python 和 MATLAB 中的动手应用程序，对统计和机器学习进行严格且引人入胜的深入研究

讲师：Mike X Cohen

---

你将会学到的

• 描述性统计（均值、方差等）
• 推论统计
• T 检验、相关性、方差分析、回归、聚类
• “黑匣子”统计方法背后的数学原理
• 如何在代码中实现统计方法
• 如何正确解释统计数据并避免常见误解
• Python 和 MATLAB/Octave 中的编码技术
• 机器学习方法，例如聚类、预测分析、分类和数据清理

要求

• 良好的职业道德和学习动力。
• 不需要具备统计学或机器学习背景。
• Python -或- 带有统计工具箱（或 Octave）的 MATLAB。
• 对可选代码练习有一定的编码熟悉度。
• 无需教科书！所有材料均在课程内提供。

说明

统计和概率控制你的生活。我指的不仅是 YouTube 的算法建议您接下来观看的内容，也不仅仅指在课堂或酒吧遇到您未来的另一半的机会。人类行为、单细胞生物、地震、股票市场、12 月第一周是否会下雪，以及无数其他现象都是概率和统计的。即使是宇宙最基本的深层结构的本质也是由概率和统计控制的。

你需要了解统计数据。

人类文明的几乎所有领域都融入了代码和数值计算。这意味着许多工作和研究领域都是基于 Python 和 MATLAB 等编程语言中统计和机器学习技术的应用。这通常被称为“数据科学”，并且是一个越来越重要的话题。统计和机器学习也是人工智能 (AI) 和商业智能的基础。

如果你想让自己成为任何技术领域面向未来的员工、雇主、数据科学家或研究员——从数据科学家到工程学、研究科学家到深度学习建模者——你需要了解统计学和机器——学习。您还需要了解如何使用 Python 或 MATLAB 等计算机语言来实现概率论和置信区间、k 均值聚类和 PCA、Spearman 相关性和逻辑回归等概念。

您应该学习本课程的六个原因：

• 本课程涵盖了了解统计学、机器学习和数据科学基础知识所需的一切，从条形图到方差分析、回归到 k 均值、t 检验到非参数排列检验。
• 完成本课程后，您将能够了解广泛的统计和机器学习分析，甚至是此处未教授的特定高级方法。这是因为您将学习构建高级方法的基础。
• 本课程平衡了数学严谨性与直观解释以及代码实践探索。
• 注册课程后您就可以参加我每天积极参与的问答环节。
• 我研究、开发和教授统计学已经有 20 多年了，我认为数学真的很酷。

参加本课程之前您需要了解以下内容：

• 高中数学水平。这是一门面向应用的课程，因此我不会详细介绍证明、推导或微积分。
• Python 或 MATLAB 的基本编码技能。仅当您想遵循代码时才需要这样做。您无需编写任何代码即可成功完成本课程！但是参加编码练习将帮助您学习这些材料。MATLAB 代码依赖于统计和机器学习工具箱（如果没有 MATLAB 或统计工具箱，可以使用 Octave）。Python 代码是在 Jupyter Notebook 中编写的。
• 我建议参加我的免费课程“非统计学家的统计素养”。它时长 90 分钟，让您对统计中的主要主题有一个鸟瞰图，我将在本课程中详细介绍这些主题。请注意，免费短期课程不是本课程所必需的，但可以很好地补充本课程。如果您以 1.5 倍速观看，您可以在不到一个小时的时间内看完整个故事！
• 您不需要任何统计、机器学习、深度学习或数据科学方面的经验。这就是你在这里的原因！

这门课程是最新的吗？

是的，我定期维护我的所有课程。我添加新的讲座以保持课程的“活力”，并且如果学生发现某个主题令人困惑或者我在讲座中犯了错误（很少见，但它发生了！）。

您可以查看本页顶部的“上次更新”文本，了解我上次改进本课程的时间！

如果您对材料有疑问怎么办？

本课程有一个 Q&A（问题和答案）部分，您可以在其中发布有关课程材料（有关数学、统计、编码或机器学习方面）的问题。我尝试在一天内回答所有问题。您还可以看到所有其他问题和答案，这确实提高了您的学习量！您可以通过发布正在进行的讨论来为问答做出贡献。

而且，您还可以发布您的代码以获得反馈或只是为了炫耀——我喜欢学生实际上写出比我更好的代码！（咳咳，这种情况并不常见。）

你现在应该做什么？

首先，恭喜你读到这里；这意味着您对学习统计学和机器学习非常感兴趣。观看预览视频，查看评论，当您准备好时，通过学习本课程来投资您的大脑！

此课程面向哪些人：

• 参加统计学或机器学习课程的学生
• 需要学习统计和机器学习的专业人士
• 想要了解数据分析的科学家
• 任何想要了解机器学习“幕后”的人
• 人工智能（AI）学生
• 商业智能学生