年轻人起来冲

统计推断之参数假设检验

发表于 2023-10-25 分类于 0-数据基础， A-概率论本文字数： 3.9k 阅读时长 ≈ 4 分钟

假设建议是根据现有试验，推断出其满足的分布，一般是假设试验满足分布，然后在置信度区域内计算随机变量，如何随机变量出现在该置信度接受区域内，则接受假设，否则拒绝假设

发表于 2023-10-25 分类于 0-数据基础， A-概率论本文字数： 2.1k 阅读时长 ≈ 2 分钟

参数估计就是就是根据已观察到的试验去估计分布公式上的参数，常用的方法有极大似然函数

发表于 2023-10-25 分类于 0-数据基础， A-概率论本文字数： 5.6k 阅读时长 ≈ 5 分钟

本文介绍连续型随机分布，表示一个区间内的事件的概率，需要记住的只有连续型均匀分布、正太分布

发表于 2023-10-25 分类于 0-数据基础， A-概率论本文字数： 5.1k 阅读时长 ≈ 5 分钟

本文讲了几个离散型分布，表示有限事件发生的概率，日常使用记住这 3 个即可伯努力分布 (2 点分布)、均匀分布、正太分布

发表于 2023-10-24 分类于 0-数据基础， A-概率论本文字数： 9k 阅读时长 ≈ 8 分钟

本文分为两部分，第一部分先从随机变量讲起，然后讲解概率分布、概率质量、概率密度函数，尤其需要把握的是先验概率、后验概率、条件概率、全概率以及贝叶斯定理。第二部分讲解随机变量距离的计算方式

发表于 2023-10-20 更新于 2023-10-24 分类于 3-编程本文字数： 4.8k 阅读时长 ≈ 4 分钟

本文主要学习了程序设计中的进程和线程等概念，并由此衍生出并行 VS 并发，同步和异步调用，多线程同步与互斥、线程池等概念

发表于 2023-10-13 更新于 2023-10-24 分类于 0-数据基础， B-线性代数本文字数： 10k 阅读时长 ≈ 10 分钟

本文从标量、向量入手，讲解到矩阵、张量，并讲解了矩阵与张量的运算规则，对于神经网络来说，张量之间更多的是：矩阵相乘 (卷积提取特征)、矩阵内积 (transformer 计算自注意力)

发表于 2023-10-13 更新于 2023-10-24 分类于 0-数据基础， C-微积分本文字数： 11k 阅读时长 ≈ 10 分钟

本文从极限入手，一步步讲解到导数、偏导数、梯度，是神经网络反向传播的核心，后续在此基础上进一步展开讲解到泰勒公式，泰勒公式其实就是使用多阶导数去接近原始函数，就是韩式表达式的分解表示，类似与神经网络向不同层进行后向传播

发表于 2023-10-13 更新于 2023-10-24 分类于 0-数据基础， D-信息论本文字数： 5.9k 阅读时长 ≈ 5 分钟

本文讲解了熵的计算过程，并且延伸到交叉熵、KL 散度，这些概念对应神经网络中损失的计算，学习时需要记住熵、交差熵、KL 散度即可

发表于 2023-10-13 更新于 2023-10-24 分类于 0-数据基础， E-最优化理论本文字数： 8.5k 阅读时长 ≈ 8 分钟

本文讲解了常用的优化算法，对应深度学习的优化函数，实际学习路径可以是最小二乘法->座标下降->梯度下降->牛顿法