Build your ultimate AI agent
Descrierea cursului
Simulează rezultate cu SciPy și NumPy
Acest curs practic prezintă simulările Monte Carlo și cazurile lor de utilizare. Simulările Monte Carlo sunt folosite pentru a estima o gamă de rezultate pentru evenimente incerte, iar bibliotecile Python precum SciPy și NumPy fac crearea propriilor simulări rapidă și ușoară!Aplică noi competențe într-o simulare bazată pe principii
Pe măsură ce înveți fiecare pas al creării unei simulări, vei aplica aceste abilități realizând o simulare Monte Carlo riguroasă pe un set de date cu rezultatele pacienților cu diabet și vei folosi rezultatele simulării pentru a înțelege cum influențează diferitele variabile evoluția diabetului.Învață cum să evaluezi și să îmbunătățești simulările tale
Vei analiza distribuțiile de probabilitate și vei înțelege cum să alegi distribuția potrivită pentru a fi folosită în simularea ta, iar apoi vei descoperi importanța corelației de intrare și a analizei de sensibilitate a modelului. În cele din urmă, vei învăța să comunici rezultatele simulării tale folosind populara bibliotecă de vizualizare Seaborn.Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în simulările Monte Carlo
Ce sunt simulările Monte Carlo și când sunt utile? După ce răspunzi la aceste întrebări fundamentale, vei învăța cum să realizezi simulări simple, cum ar fi estimarea valorii lui pi. Vei descoperi și reșantionarea, un tip special de simulare Monte Carlo.
- Ce este o simulare Monte Carlo?50 XP
- Simulare deterministă100 XP
- Natura stocastică a simulării Monte Carlo100 XP
- Legea Numerelor Mari100 XP
- Resamplingul ca tip special de simulare Monte Carlo50 XP
- Eșantionare cu reintroducere100 XP
- Vizualizarea rezultatelor remostelării100 XP
- Practică cu permutări100 XP
- Utilizarea simulărilor Monte Carlo50 XP
- Înțelegerea simulărilor Monte Carlo100 XP
- Simularea zarurilor pereche100 XP
2
Fundamente pentru Monte Carlo
Acum că poți rula propriile simulări simple, ești pregătit să explorezi aplicații reale ale simulărilor Monte Carlo în diverse industrii. Vei pătrunde apoi în esența a ceea ce face o simulare bună să funcționeze: eșantionarea din distribuția de probabilitate corectă. Vei învăța despre distribuții de probabilitate pentru variabile aleatoare discrete, continue și multivariate.
3
Simulare Monte Carlo sistematică
Odată ce ești familiarizat cu alegerea distribuției de probabilitate, ești pregătit să urmezi un flux de lucru sistematic pentru simularea Monte Carlo, folosind un set de date cu caracteristicile și rezultatele pacienților diabetici. Vei explora datele, vei realiza o simulare și vei genera statistici sumare pentru a comunica rezultatele simulării tale.
4
Verificarea modelului și interpretarea rezultatelor
Descoperă cum să evaluezi modelele tale Monte Carlo și să comunici rezultatele prin vizualizări clare și ușor de înțeles în Seaborn. În final, folosește analiza de sensibilitate pentru a înțelege cum modificările variabilelor de intrare influențează rezultatele, și exersează acest concept simulând cum profitul unei companii este afectat de variațiile vânzărilor și ale inflației!
Simulări Monte Carlo în Python
Curs
finalizat
