After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Poznaj zmienne losowe
Symulacje to klasa algorytmów obliczeniowych, które wykorzystują losowe próbkowanie do rozwiązywania coraz bardziej złożonych problemów. Choć symulacje istnieją od dawna, zainteresowanie tą dziedziną ostatnio wzrosło dzięki rosnącej mocy obliczeniowej oraz zastosowaniom w sztucznej inteligencji, fizyce, biologii obliczeniowej i finansach, by wymienić tylko kilka.Ten kurs zapewnia praktyczne doświadczenie z symulacjami z wykorzystaniem rzeczywistych zastosowań, zaczynając od wprowadzenia do zmiennych losowych oraz narzędzi potrzebnych do przeprowadzenia symulacji.
Poznaj podstawy pojęć z zakresu prawdopodobieństwa
Drugi rozdział tego kursu przedstawia przegląd pojęć z zakresu prawdopodobieństwa, wykorzystując ćwiczenia praktyczne oparte na grach karcianych i znanych łamigłówkach probabilistycznych, aby stworzyć ramy dla nowo zdobytej wiedzy. Zakończysz ten rozdział, modelując symulację reklamową eCommerce.Poznaj metody resamplingu i ich zastosowania
Trzeci rozdział omawia różne metody resamplingu, w tym bootstrap resampling, jackknife resampling oraz testy permutacyjne. Po ukończeniu tego kursu będziesz w stanie dodać te metody do swojego procesu analizy danych.Naucz się wykorzystywać symulację w biznesie i zbuduj swoje portfolio
Symulacja ma wiele zastosowań w świecie rzeczywistym, zwłaszcza w biznesie. Ostatni rozdział tego kursu przygląda się tym zagadnieniom i prowadzi Cię przez problem planowania biznesowego, aby przyzwyczaić Cię do wykorzystywania nowych umiejętności w środowisku biznesowym. Przyjrzysz się modelowaniu zysków, optymalizacji kosztów i rozpoczniesz pracę z analizą mocy.Wymagania wstępne
Program kursu
Plan kursu
1
Podstawy losowości i symulacji
Ten rozdział wyposaży cię w narzędzia potrzebne do przeprowadzania symulacji. Zaczniemy od przypomnienia zmiennych losowych i rozkładów prawdopodobieństwa. Następnie nauczysz się, jak uruchomić symulację – najpierw poznasz jej schemat działania, a potem odtworzysz go w kontekście gry w kości. Na koniec zobaczysz, jak wykorzystywać symulacje do podejmowania decyzji.
- Wprowadzenie do zmiennych losowych50 XP
- np.random.choice()50 XP
- Zmienna losowa Poissona100 XP
- Tasowanie talii kart100 XP
- Podstawy symulacji50 XP
- Rzut symetryczną kostką100 XP
- Rzut dwiema niezachwianymi kośćmi100 XP
- Symulacja gry w kości100 XP
- Zastosowanie symulacji w podejmowaniu decyzji50 XP
- Symulacja jednego losowania loterii100 XP
- Kupić czy nie kupić?100 XP
- Wyznaczanie progu opłacalności loterii100 XP
2
Prawdopodobieństwo i proces generowania danych
Ten rozdział to praktyczne wprowadzenie do pojęć związanych z prawdopodobieństwem oraz do procesu generowania danych. Przeanalizujesz wiele przykładów modelowania tego procesu, a rozdział zakończymy symulacją kampanii reklamowej w e-commerce.
3
Metody resamplingu
W tym rozdziale poznasz podstawy metod resamplingu i ich zastosowania. Zapoznasz się z resamplingiem bootstrapowym, metodą jackknife oraz testowaniem permutacyjnym. Po ukończeniu rozdziału będziesz potrafić stosować proste metody resamplingu w analizie danych.
4
Zaawansowane zastosowania symulacji
Ten rozdział wprowadzi cię w podstawowe i zaawansowane zastosowania symulacji do rozwiązywania rzeczywistych problemów. Przejdziesz przez zadanie z planowania biznesowego, poznasz całkowanie Monte Carlo, analizę mocy za pomocą symulacji, a rozdział zakończymy symulacją portfela finansowego. Po ukończeniu rozdziału będziesz gotowy do stosowania symulacji w codziennych problemach.
Symulacje statystyczne w Pythonie
Kurs
ukończony
