After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Освойте случайные величины
Симуляции — это класс вычислительных алгоритмов, которые используют случайную выборку для решения всё более сложных задач. Хотя симуляции существуют уже давно, интерес к этой области в последнее время вырос благодаря росту вычислительной мощности и применению в таких сферах, как искусственный интеллект, физика, вычислительная биология и финансы, и это лишь некоторые из них.Этот курс дает практический опыт работы с симуляциями на основе реальных приложений, начиная с введения в случайные величины и инструментов, необходимых для проведения симуляции.
Получите введение в понятия теории вероятностей
Вторая глава этого курса дает обзор понятий вероятности, используя практические упражнения на основе карточных игр и известных задач на вероятность, чтобы создать основу для ваших новых знаний. Вы завершите эту главу, смоделировав симуляцию рекламы в eCommerce.Откройте для себя методы ресэмплинга и их применение
Третья глава рассматривает различные методы ресэмплинга, включая бутстрэп-ресэмплинг, джекнайф-ресэмплинг и перестановочное тестирование. После завершения этого курса вы сможете добавить эти методы в свой процесс анализа данных.Научитесь использовать моделирование в бизнесе и создайте свое портфолио
Симуляция имеет множество практических применений в реальном мире, особенно в сфере бизнеса. В заключительной главе этого курса мы рассмотрим эти вопросы и разберем бизнес-задачу планирования, чтобы вы привыкли применять свои новые навыки в деловой среде. Вы познакомитесь с моделированием прибыли, оптимизацией затрат и начнёте изучать анализ мощности.Предварительные требования
Программа
Структура курса
1
Основы случайности и симуляции
В этой главе вы получите инструменты, необходимые для запуска симуляции. Начнём с повторения понятий случайных величин и вероятностных распределений. Затем разберём, как выстроить рабочий процесс симуляции, и воспроизведём его на примере игры в кости. В завершение вы узнаете, как применять симуляции для принятия решений.
- Введение в случайные переменные50 XP
- np.random.choice()50 XP
- Случайная величина Пуассона100 XP
- Перемешиваем колоду карт100 XP
- Основы симуляции50 XP
- Бросок честного кубика100 XP
- Бросаем два честных кубика100 XP
- Симуляция игры в кости100 XP
- Применение симуляции для принятия решений50 XP
- Симуляция одного розыгрыша лотереи100 XP
- Стоит ли покупать?100 XP
- Вычисление безубыточной цены лотерейного билета100 XP
2
Вероятность и процесс генерации данных
Эта глава даёт базовое введение в понятия теории вероятностей и практическое понимание процесса генерации данных. Мы рассмотрим ряд примеров моделирования этого процесса и завершим главу построением симуляции рекламы в сфере электронной коммерции.
3
Методы ресамплинга
В этой главе вы познакомитесь с методами ресамплинга и их применением. Мы рассмотрим бутстрэп-ресамплинг, метод складного ножа (джекнайф) и перестановочные тесты. После прохождения главы вы сможете самостоятельно применять простые методы ресамплинга для анализа данных.
4
Продвинутые применения симуляции
В этой главе вы познакомитесь с базовыми и продвинутыми применениями симуляции для решения задач из реальной жизни. Мы разберём задачу бизнес-планирования, изучим метод интегрирования Монте-Карло, анализ мощности с помощью симуляции и завершим главу симуляцией финансового портфеля. После прохождения главы вы будете готовы применять симуляции для решения повседневных задач.
Статистическое моделирование на Python
Курс
завершён
