After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Simuleer resultaten met SciPy en NumPy
Deze praktische cursus laat je kennismaken met Monte Carlo-simulaties en hoe je ze kunt gebruiken. Monte Carlo-simulaties worden gebruikt om een reeks uitkomsten voor onzekere gebeurtenissen te schatten, en Python-bibliotheken zoals SciPy en NumPy maken het maken van je eigen simulaties snel en eenvoudig!Pas nieuwe vaardigheden toe in een principiële simulatie
Terwijl je de stappen voor het maken van een simulatie leert, ga je deze vaardigheden toepassen door een Monte Carlo-simulatie te doen op een dataset met resultaten van diabetespatiënten. Je gebruikt de resultaten van je simulatie om te begrijpen hoe verschillende variabelen de ontwikkeling van diabetes beïnvloeden.Leer hoe je je simulaties kunt beoordelen en verbeteren
Je bekijkt waarschijnlijkheidsverdelingen en leert hoe je de juiste verdeling kiest voor je simulatie. Ook ontdek je hoe belangrijk inputcorrelatie en modelgevoeligheidsanalyse zijn. Tot slot leer je hoe je de resultaten van je simulaties kunt laten zien met de populaire visualisatiebibliotheek Seaborn.Vereisten
Curriculum
Cursusoverzicht
1
Introductie tot Monte Carlo-simulaties
Wat zijn Monte Carlo-simulaties en wanneer zijn ze nuttig? Nadat we deze basisvragen behandelen, leer je eenvoudige simulaties uitvoeren, zoals het schatten van de waarde van pi. Je leert ook over resampling, een speciaal type Monte Carlo-simulatie.
- Wat is een Monte Carlo-simulatie?50 XP
- Deterministische simulatie100 XP
- Stochastische aard van Monte Carlo-simulatie100 XP
- De wet van de grote aantallen100 XP
- Herschikken als een speciaal type Monte Carlo-simulatie50 XP
- Steekproeven met terugleggen100 XP
- Visualisatie van resampling-resultaten100 XP
- Oefenen met permutaties100 XP
- Montecarlo-simulaties benutten50 XP
- Monte Carlo-simulaties begrijpen100 XP
- Simulatie met gekoppelde dobbelstenen100 XP
2
Fundamenten voor Monte Carlo
Nu je je eigen eenvoudige simulaties kunt draaien, ben je klaar om echte toepassingen van Monte Carlo-simulaties in verschillende sectoren te verkennen. Daarna duik je in de kern van wat een goede simulatie laat werken: steekproeven trekken uit de juiste kansverdeling. Je leert over kansverdelingen voor discrete, continue en multivariate toevalsvariabelen.
3
Principegerichte Monte Carlo-simulatie
Zodra je je prettig voelt bij je keuze van kansverdeling, volg je een principegerichte Monte Carlo-simulatie-werkwijze met een gegevensset van kenmerken en uitkomsten van diabetespatiënten. Je verkent de data, voert een simulatie uit en genereert samenvattende statistieken om je simulatieresultaten te communiceren.
4
Modelcontrole en resultaten interpreteren
Ontdek hoe je je Monte Carlo-modellen evalueert en de resultaten communiceert met overzichtelijke visualisaties in Seaborn. Gebruik tot slot gevoeligheidsanalyse om te begrijpen hoe veranderingen in modelinputs je resultaten beïnvloeden, en oefen dit concept door te simuleren hoe bedrijfswinsten worden beïnvloed door veranderingen in verkoop en inflatie!
Monte Carlo-simulaties in Python
Cursus
voltooid
