Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Simular resultados com SciPy e NumPy
Este curso prático apresenta as simulações de Monte Carlo e seus casos de uso. As simulações Monte Carlo são usadas para estimar uma série de resultados para eventos incertos, e as bibliotecas Python, como SciPy e NumPy, tornam a criação de suas próprias simulações rápida e fácil!Aplique novas habilidades em uma simulação baseada em princípios
À medida que aprender cada etapa da criação de uma simulação, você aplicará essas habilidades realizando uma simulação de Monte Carlo baseada em princípios em um conjunto de dados de resultados de pacientes com diabetes e usará os resultados da sua simulação para entender como diferentes variáveis afetam a progressão do diabetes.Saiba como avaliar e aprimorar suas simulações
Você analisará as distribuições de probabilidade e entenderá como escolher a distribuição adequada para uso em sua simulação, e descobrirá a importância da correlação de entrada e da análise de sensibilidade do modelo. Por fim, você aprenderá a comunicar os resultados da simulação usando a popular biblioteca de visualização Seaborn.Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Introdução às simulações de Monte Carlo
O que são simulações de Monte Carlo e quando elas são úteis? Depois de abordar essas questões fundamentais, você vai aprender a realizar simulações simples, como estimar o valor de pi. Você também vai aprender sobre reamostragem, um tipo especial de simulação de Monte Carlo.
- O que é uma simulação de Monte Carlo?50 XP
- Simulação determinística100 XP
- Natureza estocástica da simulação de Monte Carlo100 XP
- A Lei dos Grandes Números100 XP
- Reamostragem como um tipo especial de simulação de Monte Carlo50 XP
- Amostragem com reposição100 XP
- Visualização dos resultados do reamostramento100 XP
- Praticando permutação100 XP
- Aproveitando simulações de Monte Carlo50 XP
- Entendendo simulações de Monte Carlo100 XP
- Simulação de dados pareados100 XP
2
Fundamentos de Monte Carlo
Agora que você já consegue executar simulações simples, está pronto para explorar aplicações reais de simulações de Monte Carlo em vários setores. Em seguida, você vai ao coração do que faz uma boa simulação funcionar: amostrar da distribuição de probabilidade correta. Você vai aprender sobre distribuições de probabilidade para variáveis aleatórias discretas, contínuas e multivariadas.
3
Simulação de Monte Carlo com princípios
Quando estiver confortável com sua escolha de distribuição de probabilidade, você estará pronto para seguir um fluxo de trabalho de simulação de Monte Carlo bem fundamentado usando um conjunto de dados com características e desfechos de pacientes com diabetes. Você vai explorar os dados, realizar uma simulação e gerar estatísticas resumo para comunicar seus resultados.
4
Verificação do modelo e interpretação de resultados
Descubra como avaliar seus modelos de Monte Carlo e comunicar os resultados com visualizações fáceis de ler no Seaborn. Por fim, use análise de sensibilidade para entender como mudanças nas entradas do modelo impactam seus resultados e pratique esse conceito simulando como os lucros de um negócio são afetados por mudanças nas vendas e na inflação!
Simulações de Monte Carlo em Python
Curso
concluído
