Hoppa till innehållet
AI-grafen

Statistik för experiment

Betingad sannolikhet, simulering, A/B-test och varians mellan körningar — så att du kan skilja en verklig förbättring från slump.

E· Universitet

Alla kunskaper som ingår (69) — i beroendeordning

  1. 1AMönster och kategorier
  2. 2BData från vardagen
  3. 3BDiagram och tabeller
  4. 4ASamla in data med en undersökning
  5. 5AChans och risk i vardagen
  6. 6AInstruktioner i rätt ordning
  7. 7BAlgoritmiskt tänkande
  8. 8CFunktioner och koordinatsystem
  9. 9DDerivata och optimering
  10. 10CProgrammeringslogik — variabler, villkor, loopar
  11. 11CPython — grunderna
  12. 12CPython — listor, loopar och dictionaries
  13. 13BRegler kontra inlärning
  14. 14BSlump: tärningar, kulor och mynt
  15. 15BÄr spelet rättvist?
  16. 16CRelativ frekvens och stora talens lag
  17. 17CStatistik — medelvärde, median och spridning
  18. 18CSannolikhet — grunderna
  19. 19DBetingad sannolikhet
  20. 20DBayes sats
  21. 21DSannolikhetsfördelningar
  22. 22DLoss-funktioner
  23. 23EMonte Carlo-metoder
  24. 24DNormalfördelningen och standardisering
  25. 25DStickprov och osäkerhet
  26. 26EKonfidensintervall
  27. 27EBootstrap och resampling
  28. 28EHypotesprövning och p-värden
  29. 29EA/B-test och experimentdesign
  30. 30ATal och de fyra räknesätten
  31. 31BBråk, decimaltal och procent
  32. 32CKombinatorik
  33. 33BNegativa tal
  34. 34CSannolikhet i flera steg
  35. 35DTokenisering
  36. 36BTräningsdata, features och etiketter
  37. 37BKlassificering — så sorterar en modell
  38. 38CDin första prediktiva modell — en rät linje
  39. 39DGradient descent
  40. 40CNeuronnät — intuitionen
  41. 41BVad är generativ AI?
  42. 42BGissa nästa ord
  43. 43BAI:n hittar på ibland
  44. 44CStälla bra frågor till en AI
  45. 45CJämför två AI-svar
  46. 46CTesta AI:n med egna frågor
  47. 47DBättre eller bara annorlunda?
  48. 48CVariabler och algebraiska uttryck
  49. 49CPotenser och rötter
  50. 50DLogaritmer
  51. 51EMaximum likelihood
  52. 52DVektorer
  53. 53DMatriser och matrismultiplikation
  54. 54DLinjär regression med flera features
  55. 55DNeuronnät — forward pass med matriser
  56. 56DBackpropagation
  57. 57DEmbeddings — ord som vektorer
  58. 58DAttention
  59. 59DOverfitting och generalisering
  60. 60DPyTorch — tensorer och autograd
  61. 61DTräning, validering och test
  62. 62DTräna ett neuronnät i PyTorch
  63. 63DTransformers — arkitekturen
  64. 64ESpråkmodeller — träning och generering
  65. 65EModellutvärdering
  66. 66EVetenskaplig metod i AI
  67. 67EReproducerbarhet
  68. 68ESlumpfrön och varians mellan körningar
  69. 69CVilseledande diagram