Statistics and Probability for Artificial Intelligence Engineering and Data Science

สถิติและความน่าจะเป็นสำหรับวิศวกรรมปัญญาประดิษฐ์และวิทยาการข้อมูล

3(3-0-6)

วิชาบังคับก่อน: ไม่มี

หลักการการออกแบบและการรวบรวมข้อมูลเชิงสถิติ การแสดงข้อมูลและการวิเคราะห์ข้อมูลโดยใช้โปรแกรมคอมพิวเตอร์ แนวคิดทางสถิติ ตัวแปรสุ่มและพหุตัวแปร ข้อมูลและการแจกแจงการสุ่มตัวอย่างการอนุมานทางสถิติ การทดสอบสมมติฐาน ทฤษฎีความน่าจะเป็น ฟังก์ชันการแจกแจงความน่าจะเป็น การวิเคราะห์การถดถอย การวิเคราะห์สหสัมพันธ์ การวิเคราะห์ความแปรปรวน การประยุกต์ใช้สถิติสำหรับวิศวกรรมปัญญาประดิษฐ์

ผลสัมฤทธิ์การเรียนรู้

1. อธิบายแนวคิดของสถิติและความน่าจะเป็นสำหรับวิศวกรรมปัญญาประดิษฐ์และวิทยาการข้อมูล
2. สร้างและแปลความหมายของการแสดงข้อมูลโดยใช้โปรแกรมคอมพิวเตอร์
3. ใช้ทฤษฎีความน่าจะเป็นและฟังก์ชันการแจกแจงความน่าจะเป็นกับการวิเคราะห์ข้อมูล
4. ใช้เทคนิคการสร้างแบบจำลองทางสถิติกับการวิเคราะห์ข้อมูล

Statistics and Probability for Artificial Intelligence Engineering and Data Science

Prerequisite:  none

Principle of Statistical Data Design and Collection, Data visualization and data analysis using computer programming. Statistical concepts, random and multivariate variables, data and sampling distributions, statistical inference; hypothesis tests, probability theory, and probability distribution functions. Regression analysis, correlation analysis, analysis of variance, applications of statistics for Artificial Intelligence Engineering.

Learning outcomes

1. Explain the concepts of statistics and probability for Artificial Intelligence Engineering and Data Science.
2. Create and interpret data visualizations using the computer programming.
3. Apply probability theory and probability distribution functions to data analysis.
4. Apply statistical modeling techniques to data analysis.