掌握統計學和機器學習: 直覺，數學，程式碼

Contents

透過 Python 和 MATLAB 中的實際應用程式，對統計資料和機器學習進行了嚴謹的深入研究

課程介紹影片

從這 38 小時的課程，你會學到

描述統計學(均值、方差等)
推理的統計學
T-檢驗，相關，方差分析(ANOVA)，迴歸，聚類
“黑盒子”統計方法背後的數學
如何在程式碼中實現統計方法
如何正確解讀統計資料，避免常見誤解
Python 和 MATLAB/ Octave 中的編碼技術
機器學習方法，例如聚類(Clustering)、預測分析、分類和資料清理

要求

高中數學基礎
有動機學習統計和機器學習
Python 或是MATLAB 與統計工具箱(或 Octave)
熟悉一些程式設計語言以做可選擇的程式設計練習
本課程中程式設計是可選的，僅供編寫程式練習使用

課程說明

統計學和機率控制著你的生活。我不僅僅是指 YouTube 建議你接下來看什麼，我也不僅僅是指在課堂上或者酒吧裡遇到你未來的另一半的機會。人類行為、單細胞生物、地震、股市、十二月第一週是否會下雪等無數其他現象都是機率和統計性的。甚至宇宙最基本結構的本質也是由機率和統計支配的。

你需要了解統計學。

幾乎人類文明的所有領域都包含了程式碼和數值運算。這意味著許多工作和學習領域都基於 Python 和 MATLAB 等程式語言中的統計和機器學習技術的應用。

如果你想讓自己在任何技術領域成為一名未來不受影響的員工、僱主或研究人員，你需要了解統計學和機器學習。你還需要知道如何用電腦語言如 Python 或 MATLAB 來實現諸如機率理論和信任區間、 K平均演算法和 PCA、 Spearman 相關性和 Logit 模型等概念。

你應該選擇這門課程的原因有六個:

本課程涵蓋了所有你需要了解的統計學和機器學習的基礎知識，從條形圖到 ANOVAs，從迴歸到 k 均值，從 T-test 到非參數排列檢驗。
完成這門課程後，你將能夠理解廣泛的統計學和機器學習分析，甚至是這裡沒有教的特定的高階方法。這是因為你將學習進階的方法建立的基礎。
本課程平衡了數學的嚴謹性和直覺的解釋，以及對程式碼的實際探索。
報名參加這個課程可以讓你進入 Q&A，我每天都積極參與其中。
我研究、開發和教授統計學已經有20年了，我的數學非常好。

修讀本課程前需要知道的事項:

具備高中數學基礎。這是一門以應用為導向的課程，所以我不會涉及很多關於證明、推導或微積分的細節。
基本的 Python 或 MATLAB 程式設計技巧。這只有在你希望遵循程式碼的情況下才是必要的。你不用寫一行程式碼就可以成功地完成這門課程！但是參加編碼練習會幫助你學習教材。 MATLAB 程式碼相依於統計和機器學習工具箱(如果沒有 MATLAB 或統計工具箱，可以使用 Octave)。 Python 程式碼寫在 Jupyter 的筆記本上。

你現在該怎麼辦？

首先，恭喜你讀到這裡; 這意味著你對學習統計學和機器學習很感興趣。觀看預覽影片，檢視評論，當你準備好了，通過學習這門課程來投資你的大腦！

目標受眾

講師簡介

Mike X Cohen 神經學家，作家，教授 ( 更多講師主講課程介紹 )

我是一名神經科學家(腦科學家) ，也是荷蘭 Radboud 大學的副教授。我有一個活躍的研究實驗室，由美國、德國和荷蘭政府、歐盟、醫院和私人組織資助。

但是你們在這裡就能獲得我的教導，所以讓我告訴你們:

我有近 20 年的程式設計、資料分析、訊號處理、統計、線性代數和實驗設計的教學經驗。我教過大學生、博士候選人、博士後研究人員和正教授。我在“傳統的”大學課程、為期一週的特殊加強課程和諾貝爾獎獲得者的研究實驗室裡任教。我有超過 50 個小時的神經科學資料分析線上講座，你可以在我的網站和 youtube 頻道上找到。我已經寫了幾本關於這些主題的技術書籍(在亞馬遜上查詢吧!) 還有更多將會發表。

我不是想炫耀 – 我是想說服你，你來到了正確的地方，最大限度地從一個花了近 20 年時間精煉和完善他的教學風格的老師那裡學習。

超過 40000 名學生觀看了我 400 萬分鐘的課程(這是近 8 年的持續學習)。來看看為什麼！

我期待著在我的一門(或多門)課程中很快見到你。

————————-

根據大眾的要求，這裡有一些針對不同教育目標的課程進度建議:

MATLAB 程式設計 : 學習 MATLAB 程式設計，掌握 MATLAB，影像處理

Python 程式設計：通過解決科學專案掌握 Python 程式設計；通過 Python 寫程式掌握數學

應用線性代數：完全線性代數；降維

訊號處理：了解傅里葉變換；生成和視覺化資料；訊號處理; 神經訊號處理