Курс
Monte Carlo Simulations in Python
Средний уровеньУровень навыков
Обновлено 04.2026
PythonProbability & Statistics4 ч15 видео52 Упражнения4,350 XP8,386Справка об успешном завершении
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, нашу Политику конфиденциальности и соглашаетесь с тем, что ваши данные хранятся в США.
Любимая обучающимися из тысяч компаний
Обучаете команду?
Попробуйте для бизнесаОписание курса
Simulate Outcomes with SciPy and NumPy
This practical course introduces Monte Carlo simulations and their use cases. Monte Carlo simulations are used to estimate a range of outcomes for uncertain events, and Python libraries such as SciPy and NumPy make creating your own simulations fast and easy!Apply New Skills in a Principled Simulation
As you learn each step of creating a simulation, you’ll apply these skills by performing a principled Monte Carlo simulation on a dataset of diabetes patient outcomes and use the results of your simulation to understand how different variables impact diabetes progression.Learn How to Assess and Improve Your Simulations
You’ll review probability distributions and understand how to choose the proper distribution for use in your simulation, and you’ll discover the importance of input correlation and model sensitivity analysis. Finally, you’ll learn to communicate your simulation findings using the popular Seaborn visualization library.Необходимые условия
Sampling in Python1
Introduction to Monte Carlo Simulations
What are Monte Carlo simulations and when are they useful? After covering these foundational questions, you’ll learn how to perform simple simulations such as estimating the value of pi. You’ll also learn about resampling, a special type of Monte Carlo Simulation.
2
Foundations for Monte Carlo
Now that you can run your own simple simulations, you’re ready to explore real-world application of Monte Carlo simulations across various industries. Then, you’ll dive into the heart of what makes a good simulation work: sampling from the correct probability distribution. You’ll learn about probability distributions for discrete, continuous, and multivariate random variables.
3
Principled Monte Carlo Simulation
Once you’re comfortable with your choice of probability distribution, you’re ready to follow a principled Monte Carlo simulation workflow using a dataset of diabetes patient characteristics and outcomes. You will explore the data, perform a simulation, and generate summary statistics to communicate your simulation results.
4
Model Checking and Results Interpretation
Discover how to evaluate your Monte Carlo models and communicate the results with easy-to-read visualizations in Seaborn. Finally, use sensitivity analysis to understand how changes to model inputs will impact your results, and practice this concept by simulating how business profits are impacted by changes to sales and inflation!
Monte Carlo Simulations in Python
Курс завершён
Получить сертификат об окончании
Добавьте эту квалификацию в профиль LinkedIn, резюме или CVПоделитесь в социальных сетях и в обзоре эффективностиЗаписаться сейчас
Присоединяйтесь к более чем 19 миллионам обучающихся и начните Monte Carlo Simulations in Python уже сегодня!
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, нашу Политику конфиденциальности и соглашаетесь с тем, что ваши данные хранятся в США.
Развивайте свои навыки работы с данными с помощью DataCamp для мобильных устройств.
Успевайте в обучении на ходу с помощью наших мобильных курсов и ежедневных 5-минутных заданий по программированию.