課程介紹
適合數據分析挖掘、人工智能方向發展，但基礎比較薄弱的同學學習。
課程目錄
第1課 概率論基礎
知識點1：概率論基礎，貝葉斯公式，常見分布與共軛分布
實戰項目：樸素貝葉斯分類(上)
第2課 參數估計
知識點1：分布的特征函數，切比雪夫不等式、大數定理、中心極限定理
知識點2：矩估計，極大似然估計
實戰項目：樸素貝葉斯分類(下)，邏輯回歸
第3課 參數估計的漸進性質
知識點1：凸函數，參數估計的漸進性質
實戰項目：區間估計，線性回歸中統計量的含義
第4課 概率統計在機器學習中的應用
知識點1：EM算法原理分析
知識點2：EM算法用于高斯混合模型的參數估計
知識點3：EM算法用于缺失值的處理
