After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Опануйте випадкові величини
Симуляції — це клас обчислювальних алгоритмів, які використовують випадкове вибіркове моделювання для розв’язання дедалі складніших задач. Хоча симуляції існують уже давно, інтерес до цієї галузі нещодавно зріс завдяки зростанню обчислювальної потужності та застосуванням у штучному інтелекті, фізиці, обчислювальній біології та фінансах — і це лише кілька прикладів.Цей курс надає практичний досвід роботи з симуляціями на основі реальних застосувань, починаючи з ознайомлення з випадковими величинами та інструментами, необхідними для проведення симуляції.
Отримайте вступ до понять теорії ймовірностей
Другий розділ цього курсу дає огляд понять теорії ймовірностей, використовуючи практичні вправи на основі карткових ігор і відомих задач на ймовірність, щоб створити основу для ваших нових знань. Ви завершите цей розділ, змоделювавши симуляцію реклами для електронної комерції.Відкрийте для себе методи ресемплінгу та їх застосування
Третій розділ розглядає різні методи ресемплінгу, зокрема bootstrap resampling, jackknife resampling і permutation testing. Після завершення цього курсу ви зможете додати ці методи до свого процесу аналізу даних.Навчіться використовувати симуляцію для бізнесу та створіть своє портфоліо
Симуляція має багато практичних застосувань у реальному світі, особливо в бізнесі. Останній розділ цього курсу розглядає ці питання та проведе вас через завдання з бізнес-планування, щоб ви звикли застосовувати свої нові навички в бізнес-середовищі. Ви розглянете моделювання прибутків, оптимізацію витрат і початок роботи з аналізом потужності.Попередні вимоги
Навчальний план
Зміст курсу
1
Основи випадковості та симуляції
У цьому розділі ви отримаєте інструменти, потрібні для запуску симуляції. Почнемо з огляду випадкових змінних і розподілів імовірностей. Далі розберемо, як запускати симуляцію: спершу переглянемо робочий процес, а потім відтворимо його на прикладі гри в кості. Нарешті, навчимося використовувати симуляції для ухвалення рішень.
- Вступ до випадкових змінних50 XP
- np.random.choice()50 XP
- Пуассонівська випадкова змінна100 XP
- Перетасування колоди карт100 XP
- Основи симуляції50 XP
- Кидання чесного кубика100 XP
- Кидання двох чесних гральних кубиків100 XP
- Моделювання гри в кості100 XP
- Використання моделювання для ухвалення рішень50 XP
- Імітація одного розіграшу лотереї100 XP
- Купувати чи ні?100 XP
- Обчислення беззбиткової ціни лотерейного квитка100 XP
2
Імовірність і процес генерування даних
Цей розділ надає базове введення в поняття теорії ймовірностей і практичне розуміння процесу генерування даних. Ми розглянемо кілька прикладів моделювання процесу генерування даних і завершимо моделюванням реклами в eCommerce.
3
Методи повторного вибіркового добору
У цьому розділі ми коротко познайомимося з методами повторного вибіркового добору та їх застосуваннями. Ви спробуєте bootstrap-ресемплінг, jackknife-ресемплінг і перестановкове тестування. Після завершення розділу ви зможете почати застосовувати прості методи ресемплінгу для аналізу даних.
4
Просунуті застосування симуляцій
У цьому розділі ви познайомитеся з базовими та просунутими застосуваннями симуляцій для розв'язання практичних задач. Ми розв'яжемо задачу бізнес-планування, розглянемо інтегрування Монте-Карло, аналіз потужності за допомогою симуляцій і завершимо моделюванням фінансового портфеля. Після завершення розділу ви будете готові застосовувати симуляції для розв'язання щоденних задач.
Статистичне моделювання в Python
Курс
завершено
