After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Simula i risultati con SciPy e NumPy
Questo corso pratico ti spiega le simulazioni Monte Carlo e come si usano. Le simulazioni Monte Carlo servono per stimare una serie di risultati per eventi incerti, e le librerie Python come SciPy e NumPy rendono la creazione delle proprie simulazioni facile e veloce!Metti in pratica le nuove competenze in una simulazione basata su principi
Man mano che impari ogni fase della creazione di una simulazione, metterai in pratica queste competenze facendo una simulazione Monte Carlo su un set di dati relativi agli esiti dei pazienti diabetici e userai i risultati della tua simulazione per capire come le diverse variabili influenzano la progressione del diabete.Scopri come valutare e migliorare le tue simulazioni
Esaminerai le distribuzioni di probabilità e capirai come scegliere quella giusta da usare nella tua simulazione, e scoprirai quanto sono importanti la correlazione degli input e l'analisi della sensibilità del modello. Infine, imparerai a condividere i risultati delle tue simulazioni usando la famosa libreria di visualizzazione Seaborn.Prerequisiti
Curriculum
Programma del corso
1
Introduzione alle simulazioni Monte Carlo
Cosa sono le simulazioni Monte Carlo e quando sono utili? Dopo aver affrontato queste domande fondamentali, imparerai a eseguire semplici simulazioni, come stimare il valore di pi. Imparerai anche il resampling, un tipo speciale di simulazione Monte Carlo.
- Che cos'è una simulazione Monte Carlo?50 XP
- Simulazione deterministica100 XP
- Natura stocastica della simulazione Monte Carlo100 XP
- La legge dei grandi numeri100 XP
- Il riacampionamento come tipo speciale di simulazione Monte Carlo50 XP
- Campionamento con reimmissione100 XP
- Visualizzazione dei risultati del resampling100 XP
- Esercizio sulle permutazioni100 XP
- Sfruttare le simulazioni Monte Carlo50 XP
- Capire le simulazioni Monte Carlo100 XP
- Simulazione con dadi accoppiati100 XP
2
Fondamenti di Monte Carlo
Ora che sai eseguire semplici simulazioni, sei prontə a esplorare applicazioni reali delle simulazioni Monte Carlo in vari settori. Poi entrerai nel cuore di ciò che rende efficace una buona simulazione: il campionamento dalla corretta distribuzione di probabilità. Imparerai le distribuzioni di probabilità per variabili aleatorie discrete, continue e multivariate.
3
Simulazione Monte Carlo basata su principi
Quando ti senti a tuo agio con la scelta della distribuzione di probabilità, sei prontə a seguire un flusso di lavoro rigoroso per una simulazione Monte Carlo usando un insieme di dati con caratteristiche ed esiti di pazienti con diabete. Esplorerai i dati, effettuerai una simulazione e genererai statistiche riassuntive per comunicare i risultati.
4
Verifica del modello e interpretazione dei risultati
Scopri come valutare i tuoi modelli Monte Carlo e comunicare i risultati con visualizzazioni leggibili in Seaborn. Infine, usa l’analisi di sensibilità per capire come le variazioni negli input del modello influiscono sui risultati e metti in pratica il concetto simulando come i profitti aziendali siano influenzati da cambiamenti nelle vendite e nell’inflazione!
Simulazioni Monte Carlo in Python
Corso
completato
