ঠিক আছে, আসুন আমরা আমাদের গ্রেড প্রোগ্রামগুলিতে ঘনিষ্ঠভাবে কাজ করেছি এমন একজন বা দু'জনের কাছ থেকে যা শিখেছি তার দ্বারা চোখের পাড়ে আমাদের চোখের সাথে পরিসংখ্যানের হাতির কথা বলি ...
স্ট্যাটাস প্রোগ্রামগুলির জন্য তারা উপযুক্ত কি দেখায় তা হ'ল, এটি কি সর্বাধিক গুরুত্বপূর্ণ জিনিস যা তারা চায় যে তাদের শিক্ষার্থীরা প্রোগ্রামটিতে সীমিত পরিমাণে সময় দিতে পারে তা শিখতে পারে। একটি সংকীর্ণ অঞ্চল প্রয়োজন মানে সমানভাবে গুরুত্বপূর্ণ বলে যুক্তিযুক্ত হতে পারে এমন কিছু অন্যান্য অঞ্চলে বিদায় চুম্বন। কিছু প্রোগ্রামের তাত্ত্বিক সম্ভাবনা পরিমাপ করা প্রয়োজন, কিছু না। কারও কারও কাছে একটি বিদেশী ভাষা প্রয়োজন, তবে বেশিরভাগ প্রোগ্রামের প্রয়োজন হয় না। কিছু প্রোগ্রাম বাইয়েশিয়ান দৃষ্টান্তকে পড়াশোনা করার একমাত্র জিনিস হিসাবে গ্রহণ করে তবে বেশিরভাগ তা নয়। কিছু প্রোগ্রাম জানে যে পরিসংখ্যানবিদদের সর্বাধিক চাহিদা জরিপের পরিসংখ্যানগুলিতে (কমপক্ষে মার্কিন যুক্তরাষ্ট্রে এটিই ঘটে) তবে বেশিরভাগ ক্ষেত্রে তা হয় না। বায়োস্ট্যাট প্রোগ্রামগুলি অর্থ অনুসরণ করে এবং এসএএস + এমন পদ্ধতিগুলি শেখায় যেগুলি চিকিত্সা এবং ফার্মাস বিজ্ঞানের কাছে সহজে বিক্রয় করবে।
কোনও ব্যক্তি কৃষি পরীক্ষার নকশা তৈরি করার জন্য, বা ফোন জরিপের মাধ্যমে জরিপ ডেটা সংগ্রহ করার জন্য, বা সাইকোমেট্রিক স্কেলগুলি বৈধতা দেওয়ার জন্য বা কোনও জিআইএসে রোগের ঘটনার মানচিত্র তৈরি করার জন্য, মেশিন লার্নিং কম্পিউটার বিজ্ঞানের একটি বিমূর্ত শিল্প যা তারা প্রতিদিনের সাথে কাজ করে এমন পরিসংখ্যান থেকে খুব দূরে art ভিত্তিতে। সমর্থনকারী ভেক্টর মেশিন বা এলোমেলো বন শেখার মাধ্যমে এই লোকগুলির মধ্যে কোনও তাত্ক্ষণিক সুবিধা দেখতে পাবেন না।
সব মিলিয়ে, মেশিন লার্নিং পরিসংখ্যানের অন্যান্য ক্ষেত্রগুলির একটি দুর্দান্ত পরিপূরক, তবে আমি যুক্তি দিয়ে বলব যে মূলধারার জিনিসগুলি মাল্টিভারিয়েট স্বাভাবিক বিতরণ এবং সাধারণীকরণীয় রৈখিক মডেলের মতো প্রথমে আসা উচিত।