Build your ultimate AI agent
Kursbeskrivning
Kom igång med slumpvariabler
Simuleringar är en klass av beräkningsalgoritmer som använder slumpmässig sampling för att lösa allt mer komplexa problem. Även om simuleringar har funnits länge har intresset för detta område nyligen ökat tack vare den ökade beräkningskraften och tillämpningarna inom artificiell intelligens, fysik, beräkningsbiologi och finans, för att nämna några.Den här kursen ger praktisk erfarenhet av simuleringar med verkliga tillämpningar, med en introduktion till slumpvariabler och de verktyg du behöver för att genomföra en simulering.
Få en introduktion till sannolikhetsbegrepp
Det andra kapitlet i den här kursen ger en översikt över sannolikhetsbegrepp och använder övningsuppgifter baserade på kortspel och välkända sannolikhetspussel för att ge en ram för dina nya kunskaper. Du avslutar det här kapitlet genom att modellera en simulerad e-handelsannonsering.Upptäck resamplingsmetoder och tillämpningar
Det tredje kapitlet tittar på olika resamplingsmetoder, inklusive bootstrap-resampling, jackknife-resampling och permutations-testning. När du har slutfört den här kursen kommer du att kunna lägga till dessa metoder i din dataanalysprocess.Lär dig använda simulering för affärer och bygg din portfolio
Simulering har många verkliga tillämpningar, särskilt inom affärsvärlden. Det sista kapitlet i den här kursen går igenom dessa och tar dig genom ett affärsplaneringsproblem för att vänja dig vid att använda dina nya färdigheter i en affärsmiljö. Du kommer att titta på modellering av vinster, kostnadsoptimering och att komma igång med effektanalys.Förkunskapskrav
Kursplan
Kursöversikt
1
Grunder i slumpmässighet och simulering
Det här kapitlet ger dig de verktyg som krävs för att köra en simulering. Vi börjar med en genomgång av slumpvariabler och sannolikhetsfördelningar. Sedan lär vi oss hur man kör en simulering – först genom att titta på ett simuleringsflöde och sedan återskapa det i samband med ett tärningsspel. Avslutningsvis lär vi oss hur simuleringar kan användas för att fatta beslut.
- Introduktion till slumpvariabler50 XP
- np.random.choice()50 XP
- Poissonfördelad slumpvariabel100 XP
- Blanda en kortlek100 XP
- Grunderna i simulering50 XP
- Kasta en rättvis tärning100 XP
- Kasta två rättvisa tärningar100 XP
- Simulera tärningsspelet100 XP
- Använda simulering för beslutsfattande50 XP
- Simulera ett lotteridrag100 XP
- Ska vi köpa?100 XP
- Beräkna ett lotteris break-even-pris100 XP
2
Sannolikhet och datagenerering
Det här kapitlet ger en grundläggande introduktion till sannolikhetsteori och en praktisk förståelse för hur data genereras. Vi tittar på flera exempel på modellering av datageneringsprocessen och avslutar med att modellera en reklamsimulerning för e-handel.
3
Resamplingmetoder
I det här kapitlet får du en kort introduktion till resamplingmetoder och deras tillämpningar. Vi bekantar oss med bootstrapresampling, jackkniferesampling och permutationstest. Efter att ha slutfört kapitlet kan du börja tillämpa enkla resamplingmetoder för dataanalys.
4
Avancerade tillämpningar av simulering
I det här kapitlet introduceras du till grundläggande och avancerade tillämpningar av simulering för att lösa verkliga problem. Vi arbetar igenom ett affärsplaneringsproblem, lär oss om Monte Carlo-integration, effektanalys med simulering och avslutar med en finansiell portföljsimulering. Efter att ha slutfört kapitlet är du redo att använda simulering för att lösa vardagliga problem.
Statistisk simulering i Python
Kurs
slutförd
