شبیه‌سازی آماری در پایتون

با متغیرهای تصادفی آشنا شوید.

شبیه‌سازی‌ها دسته‌ای از الگوریتم‌های محاسباتی هستند که از نمونه‌گیری تصادفی برای حل مسائل به طور فزاینده پیچیده استفاده می‌کنند. اگرچه شبیه‌سازی‌ها مدت زیادی است که وجود دارند، اما اخیراً علاقه به این حوزه به دلیل افزایش قدرت محاسباتی و کاربردهای آن در هوش مصنوعی، فیزیک، زیست‌شناسی محاسباتی و امور مالی، تنها به نام بردن چند مورد، رشد کرده است.

این دوره تجربه عملی با شبیه‌سازی‌ها را با استفاده از کاربردهای دنیای واقعی ارائه می‌دهد و با معرفی متغیرهای تصادفی و ابزارهای مورد نیاز برای اجرای یک شبیه‌سازی آغاز می‌شود.

آشنایی با مفاهیم احتمال

فصل دوم این دوره، مروری بر مفاهیم احتمال ارائه می‌دهد و با استفاده از تمرینات عملی مبتنی بر بازی‌های کارتی و معماهای احتمالاتی معروف، چارچوبی برای دانش جدید شما فراهم می‌کند. شما این فصل را با مدل‌سازی یک شبیه‌سازی تبلیغات تجارت الکترونیک به پایان خواهید برد.

کشف متدهای بازنمونه‌گیری و کاربردهای آن

فصل سوم به متدهای مختلف بازنمونه‌گیری، از جمله بازنمونه‌گیری بوت‌استرپ، بازنمونه‌گیری جک‌نایف و آزمون جایگشت می‌پردازد. پس از اتمام این دوره، قادر خواهید بود این متدها را به فرآیند تحلیل داده خود اضافه کنید.

یادگیری استفاده از شبیه‌سازی برای کسب‌وکار و ساخت نمونه کار

شبیه‌سازی کاربردهای زیادی در دنیای واقعی دارد، به ویژه در دنیای کسب‌وکار. فصل پایانی این دوره به این موارد می‌پردازد و شما را از طریق یک مسئله برنامه‌ریزی کسب‌وکار می‌برد تا به استفاده از مهارت‌های جدید خود در محیط کسب‌وکار عادت کنید. شما مدل‌سازی سود، بهینه‌سازی هزینه‌ها و شروع تحلیل توان را بررسی خواهید کرد.