Kurzy v angličtině
Úvod do lineárních modelů a maticové algebry (Harvard)
Harvardská univerzita prostřednictvím své platformy HarvardX na edX nabízí kurz „Úvod do lineárních modelů a maticové algebry“. Přestože je kurz vyučován v angličtině, nabízí jedinečnou příležitost naučit se základy maticové algebry a lineárních modelů, což jsou základní dovednosti v mnoha vědeckých oborech.
Tento čtyřtýdenní kurz, který vyžaduje 2 až 4 hodiny studia týdně, je navržen tak, abyste jej dokončili svým vlastním tempem. Zaměřuje se na použití programovacího jazyka R k aplikaci lineárních modelů v analýze dat, zejména v biologických vědách. Studenti se naučí manipulovat s maticovou algebrou a porozumí její aplikaci v experimentálním návrhu a analýze vysokorozměrných dat.
Program zahrnuje zápis maticové algebry, maticové operace, aplikaci maticové algebry na analýzu dat, lineární modely a úvod do rozkladu QR. Tento kurz je součástí série sedmi kurzů, které lze absolvovat samostatně nebo jako součást dvou odborných certifikátů v oboru Analýza dat pro vědy o živé přírodě a Analýza genomických dat.
Tento kurz je ideální pro ty, kteří chtějí získat dovednosti ve statistickém modelování a analýze dat, zejména v kontextu biologických věd. Poskytuje pevný základ pro ty, kteří chtějí dále zkoumat maticovou algebru a její aplikace v různých vědeckých a výzkumných oblastech.
Hlavní pravděpodobnost (Harvard)
LPlaylist „Statistics 110: Probability“ na YouTube, který v angličtině vyučuje Joe Blitzstein z Harvardské univerzity, je neocenitelným zdrojem pro ty, kteří chtějí prohloubit své znalosti pravděpodobnosti.. Seznam videí obsahuje videa z lekcí, materiály s recenzemi a více než 250 praktických cvičení s podrobnými řešeními.
Tento kurz angličtiny je komplexním úvodem do pravděpodobnosti, který je prezentován jako základní jazyk a sada nástrojů pro pochopení statistiky, vědy, rizika a náhodnosti. Vyučované pojmy jsou použitelné v různých oblastech, jako je statistika, věda, inženýrství, ekonomie, finance a každodenní život.
Probíraná témata zahrnují základy pravděpodobnosti, náhodné veličiny a jejich rozdělení, jednorozměrná a vícerozměrná rozdělení, limitní věty a Markovovy řetězce. Předmět vyžaduje předchozí znalost jednoproměnného počtu a znalost matic.
Pro ty, kterým vyhovuje angličtina a kteří touží prozkoumat svět pravděpodobnosti do hloubky, nabízí tato série kurzů Harvard obohacující příležitost k učení. K seznamu skladeb a jeho podrobnému obsahu máte přístup přímo na YouTube.
Vysvětlena pravděpodobnost. Kurz s francouzskými titulky (Harvard)
Kurz „Fat Chance: Probability from the Ground Up“, nabízený HarvardX na edX, je fascinujícím úvodem do pravděpodobnosti a statistiky. Přestože je kurz vyučován v angličtině, je díky dostupným francouzským titulkům přístupný frankofonnímu publiku.
Tento sedmitýdenní kurz, který vyžaduje 3 až 5 hodin studia týdně, je určen pro ty, kteří začínají se studiem pravděpodobnosti nebo hledají přístupný přehled klíčových pojmů, než se zapíší do kurzu statistiky. Univerzitní úroveň. „Fat Chance“ klade důraz spíše na rozvoj matematického myšlení než na memorování termínů a vzorců.
Úvodní moduly představují základní dovednosti počítání, které jsou následně aplikovány na jednoduché pravděpodobnostní úlohy. Následující moduly zkoumají, jak lze tyto nápady a techniky přizpůsobit tak, aby řešily širší rozsah problémů pravděpodobnosti. Kurz končí úvodem do statistiky prostřednictvím pojmů očekávaná hodnota, rozptyl a normální rozdělení.
Tento kurz je ideální pro ty, kteří chtějí zlepšit své schopnosti kvantitativního uvažování a porozumět základům pravděpodobnosti a statistiky. Poskytuje obohacující pohled na kumulativní povahu matematiky a na to, jak se aplikuje na pochopení rizika a náhodnosti.
Statistické vyvozování a modelování pro vysoce výkonné experimenty (Harvard)
Kurz „Statistical Inference and Modeling for High-throughput Experiments“ v angličtině se zaměřuje na techniky používané k provádění statistických inferencí na vysoce výkonných datech. Tento čtyřtýdenní kurz, který vyžaduje 2–4 hodiny studia týdně, je cenným zdrojem pro ty, kteří chtějí porozumět a aplikovat pokročilé statistické metody v prostředí výzkumu náročného na data.
Program pokrývá celou řadu témat, včetně problému vícenásobného porovnávání, chybovosti, kontrolních postupů chybovosti, chybovosti odhalení, q-hodnot a průzkumné analýzy dat. Představuje také statistické modelování a jeho aplikaci na vysoce výkonná data, diskutuje o parametrických distribucích, jako je binomické, exponenciální a gama, a popisuje odhad maximální pravděpodobnosti.
Studenti se naučí, jak jsou tyto koncepty aplikovány v kontextech, jako je sekvenování nové generace a data microarray. Předmět zahrnuje také hierarchické modely a bayesovské empirie s praktickými příklady jejich použití.
Tento kurz je ideální pro ty, kteří chtějí prohloubit své chápání statistického vyvozování a modelování v moderním vědeckém výzkumu. Poskytuje hloubkový pohled na statistickou analýzu komplexních dat a je vynikajícím zdrojem pro výzkumné pracovníky, studenty a profesionály v oblasti biologických věd, bioinformatiky a statistiky.
Úvod do pravděpodobnosti (Harvard)
Kurz „Úvod do pravděpodobnosti“, který nabízí HarvardX na edX, je hloubkovým zkoumáním pravděpodobnosti, základním jazykem a sadou nástrojů pro pochopení dat, náhody a nejistoty. Přestože je kurz vyučován v angličtině, je díky dostupným francouzským titulkům přístupný frankofonnímu publiku.
Tento desetitýdenní kurz, který vyžaduje 5-10 hodin studia týdně, má za cíl přinést logiku do světa plného náhod a nejistoty. Poskytne nástroje potřebné k pochopení dat, vědy, filozofie, inženýrství, ekonomie a financí. Naučíte se nejen řešit složité technické problémy, ale také jak tato řešení aplikovat v každodenním životě.
S příklady od lékařských testů po sportovní předpovědi získáte solidní základ pro studium statistických inferencí, stochastických procesů, náhodných algoritmů a dalších témat, kde je pravděpodobnost nezbytná.
Tento kurz je ideální pro ty, kteří chtějí zlepšit své porozumění nejistotě a náhodě, dělat dobré předpovědi a rozumět náhodným proměnným. Poskytuje obohacující pohled na běžná rozdělení pravděpodobnosti používaná ve statistice a vědě o datech.
Aplikovaný kalkul (Harvard)
Kurz „Aplikovaný počet!“, který nabízí Harvard na edX, je hloubkovým průzkumem aplikace kalkulu s jednou proměnnou ve společenských, životních a fyzikálních vědách. Tento kurz, zcela v angličtině, je vynikající příležitostí pro ty, kteří chtějí pochopit, jak se kalkul používá v reálných profesionálních kontextech.
Tento kurz, který trvá deset týdnů a vyžaduje 3 až 6 hodin studia týdně, přesahuje rámec tradičních učebnic. Spolupracuje s profesionály z různých oblastí, aby ukázal, jak se kalkul používá k analýze a řešení reálných problémů. Studenti prozkoumají různé aplikace, od ekonomické analýzy po biologické modelování.
Program pokrývá použití derivací, integrálů, diferenciálních rovnic a zdůrazňuje význam matematických modelů a parametrů. Je určen pro ty, kteří mají základní znalosti o jednoproměnném počtu a zajímají se o jeho praktické aplikace v různých oblastech.
Tento kurz je ideální pro studenty, učitele a profesionály, kteří chtějí prohloubit své porozumění kalkulu a objevit jeho aplikace v reálném světě.
Úvod do matematického uvažování (Stanford)
Kurz „Úvod do matematického myšlení“, který nabízí Stanfordská univerzita na Coursera, je ponorem do světa matematického uvažování. Přestože je kurz vyučován v angličtině, je díky dostupným francouzským titulkům přístupný frankofonnímu publiku.
Tento sedmitýdenní kurz, který vyžaduje celkem přibližně 38 hodin, tedy přibližně 12 hodin týdně, je určen pro ty, kteří chtějí rozvíjet matematické myšlení, odlišné od pouhého procvičování matematiky, jak je často prezentováno ve školním systému. Kurz se zaměřuje na rozvoj myšlení „mimo krabici“, což je v dnešním světě cenná dovednost.
Studenti prozkoumají, jak profesionální matematici přemýšlejí o řešení skutečných problémů, ať už pocházejí z každodenního světa, z vědy nebo ze samotné matematiky. Kurz pomáhá rozvíjet tento zásadní způsob myšlení, který přesahuje učební postupy a řeší stereotypní problémy.
Tento kurz je ideální pro ty, kteří chtějí posílit své kvantitativní uvažování a pochopit základy matematického uvažování. Poskytuje obohacující pohled na kumulativní povahu matematiky a její aplikaci k pochopení složitých problémů.
Statistické učení s R (Stanford)
Kurz „Statistické učení s R“, který nabízí Stanford, je středně pokročilý úvod do řízeného učení se zaměřením na regresní a klasifikační metody. Tento kurz, zcela v angličtině, je cenným zdrojem pro ty, kteří chtějí porozumět a aplikovat statistické metody v oblasti datové vědy.
Kurz trvá jedenáct týdnů a vyžaduje 3–5 hodin studia týdně a pokrývá tradiční i vzrušující nové metody statistického modelování a jejich použití v programovacím jazyce R. Kurz byl aktualizován v roce 2021 pro druhé vydání manuál kurzu.
Témata zahrnují lineární a polynomiální regresi, logistickou regresi a lineární diskriminační analýzu, křížovou validaci a bootstrapping, metody výběru a regularizace modelů (hřebenové a laso), nelineární modely, splajny a zobecněné aditivní modely, stromové metody, náhodné lesy a zesílení, podporují vektorové stroje, neuronové sítě a hluboké učení, modely přežití a vícenásobné testování.
Tento kurz je ideální pro ty, kteří mají základní znalosti statistiky, lineární algebry a informatiky a chtějí prohloubit své porozumění statistickému učení a jeho aplikaci v datové vědě.
Jak se učit matematiku: Kurz pro každého (Stanford)
Kurz „Jak se učit matematiku: Pro studenty“, který nabízí Stanford. Je bezplatný online kurz pro studenty všech úrovní matematiky. Zcela v angličtině kombinuje důležité informace o mozku s novými důkazy o nejlepších způsobech, jak přistupovat k matematice.
Trvá šest týdnů a vyžaduje 1 až 3 hodiny studia týdně. Kurz je navržen tak, aby transformoval vztah studentů k matematice. Mnoho lidí má negativní zkušenosti s matematikou, což vede k averzi nebo selhání. Cílem tohoto kurzu je poskytnout studentům informace, které potřebují k tomu, aby si matematiku užili.
Pokryta jsou témata jako mozek a učení matematiky. Mýty o matematice, myšlení, chybách a rychlosti jsou také pokryty. Numerická flexibilita, matematické uvažování, souvislosti, numerické modely jsou také součástí programu. Nezapomíná se ani na reprezentace matematiky v životě, ale i v přírodě a v práci. Kurz je navržen s pedagogikou aktivního zapojení, díky čemuž je učení interaktivní a dynamické.
Je to cenný zdroj pro každého, kdo chce vidět matematiku jinak. Rozvíjejte hlubší a pozitivní porozumění této disciplíně. Je vhodný zejména pro ty, kteří měli v minulosti negativní zkušenosti s matematikou a chtějí toto vnímání změnit.
Řízení pravděpodobnosti (Stanford)
Kurz „Úvod do řízení pravděpodobnosti“, který nabízí Stanford, je úvodem do disciplíny řízení pravděpodobnosti. Tento obor se zaměřuje na komunikaci a výpočet nejistot ve formě auditovatelných datových tabulek nazývaných Stochastic Information Packets (SIP). Tento desetitýdenní kurz vyžaduje 1 až 5 hodin studia týdně a je nepochybně cenným zdrojem pro ty, kteří chtějí porozumět a aplikovat statistické metody v oblasti datové vědy.
Osnovy kurzu pokrývají témata, jako je rozpoznání „chyby průměrů“, což je soubor systematických chyb, které vznikají, když jsou nejistoty reprezentovány jednotlivými čísly, obvykle průměrem. Vysvětluje, proč se mnoho projektů opožďuje, překračuje rozpočet a je pod rozpočtem. Kurz také vyučuje aritmetiku nejistoty, která provádí výpočty s nejistými vstupy, jejichž výsledkem jsou nejisté výstupy, ze kterých můžete vypočítat skutečné průměrné výsledky a šance na dosažení stanovených cílů.
Studenti se naučí, jak vytvářet interaktivní simulace, které lze sdílet s libovolným uživatelem Excelu bez potřeby doplňků nebo maker. Tento přístup je stejně vhodný pro Python nebo jakékoli programovací prostředí, které podporuje pole.
Tento kurz je ideální pro ty, kterým vyhovuje Microsoft Excel a chtějí prohloubit své znalosti o řízení pravděpodobnosti a jeho aplikaci v datové vědě.
Věda o nejistotě a datech (MIT)
Kurz „Pravděpodobnost – věda o nejistotě a datech“, který nabízí Massachusetts Institute of Technology (MIT). Je základním úvodem do datové vědy prostřednictvím pravděpodobnostních modelů. Tento šestnáctitýdenní kurz vyžaduje 10 až 14 hodin studia týdně. Odpovídá části programu MIT MicroMasters ve statistice a datové vědě.
Tento kurz zkoumá svět nejistoty: od nehod na nepředvídatelných finančních trzích po komunikaci. Pravděpodobnostní modelování a související oblast statistické inference. Jsou dva klíče k analýze těchto dat a vytváření vědecky podložených předpovědí.
Studenti objeví strukturu a základní prvky pravděpodobnostních modelů. Včetně náhodných veličin, jejich rozdělení, průměrů a rozptylů. Předmět také pokrývá inferenční metody. Zákony velkých čísel a jejich aplikace, stejně jako náhodné procesy.
Tento kurz je ideální pro ty, kteří chtějí základní znalosti v oblasti datové vědy. Poskytuje komplexní pohled na pravděpodobnostní modely. Od základních prvků k náhodným procesům a statistickým závěrům. To vše je užitečné zejména pro profesionály a studenty. Zejména v oblasti datové vědy, inženýrství a statistiky.
Computational Probability and Inference (MIT)
Massachusetts Institute of Technology (MIT) představuje kurz „Computational Probability and Inference“ v angličtině. Na programu, středně-úrovni úvod do pravděpodobnostní analýzy a odvození. Tento dvanáctitýdenní kurz, který vyžaduje 4–6 hodin studia týdně, je fascinujícím průzkumem toho, jak se pravděpodobnost a inference používají v tak rozmanitých oblastech, jako je filtrování spamu, navigace pomocí mobilních botů nebo dokonce ve strategických hrách, jako je Jeopardy and Go.
V tomto kurzu se naučíte principy pravděpodobnosti a inference a jak je implementovat do počítačových programů, které uvažují s nejistotou a vytvářejí předpovědi. Dozvíte se o různých datových strukturách pro ukládání rozdělení pravděpodobnosti, jako jsou pravděpodobnostní grafické modely, a vyvinete účinné algoritmy pro uvažování s těmito datovými strukturami.
Na konci tohoto kurzu budete vědět, jak modelovat reálné problémy s pravděpodobností a jak používat výsledné modely pro odvození. Nemusíte mít předchozí zkušenosti v oblasti pravděpodobnosti nebo odvození, ale měli byste být spokojeni se základním programováním v Pythonu a kalkulem.
Tento kurz je cenným zdrojem pro ty, kteří chtějí porozumět a aplikovat statistické metody v oblasti vědy o datech, poskytuje komplexní pohled na pravděpodobnostní modely a statistické vyvozování.
V srdci nejistoty: MIT demystifikuje pravděpodobnost
V kurzu „Úvod do pravděpodobnosti, část II: Inferenční procesy“ nabízí Massachusetts Institute of Technology (MIT) pokročilé ponoření do světa pravděpodobnosti a inference. Tento kurz, zcela v angličtině, je logickým pokračováním první části, ponořuje se hlouběji do analýzy dat a nauky o nejistotě.
Po dobu šestnácti týdnů, se závazkem 6 hodin týdně, tento kurz zkoumá zákony velkých čísel, bayesovské inferenční metody, klasické statistiky a náhodné procesy, jako jsou Poissonovy procesy a Markovovy řetězce. Toto je rigorózní průzkum určený pro ty, kteří již mají solidní základy pravděpodobnosti.
Tento kurz vyniká svým intuitivním přístupem při zachování matematické náročnosti. Nepředkládá pouze teorémy a důkazy, ale klade si za cíl rozvíjet hluboké porozumění pojmům prostřednictvím konkrétních aplikací. Studenti se naučí modelovat složité jevy a interpretovat data z reálného světa.
Tento kurz, který je ideální pro profesionály v oblasti datové vědy, výzkumníky a studenty, nabízí jedinečný pohled na to, jak pravděpodobnost a odvození formují naše chápání světa. Ideální pro ty, kteří chtějí prohloubit své znalosti vědy o datech a statistické analýzy.
Analytická kombinatorika: Princetonský kurz pro dešifrování složitých struktur (Princeton)
Kurz Analytic Combinatorics, nabízený Princetonskou univerzitou, je fascinujícím zkoumáním analytické kombinatoriky, disciplíny, která umožňuje přesné kvantitativní předpovědi komplexních kombinatorických struktur. Tento kurz, zcela v angličtině, je cenným zdrojem pro ty, kteří chtějí porozumět a aplikovat pokročilé metody v oblasti kombinatoriky.
Tento kurz, který trvá tři týdny a vyžaduje celkem přibližně 16 hodin nebo přibližně 5 hodin týdně, představuje symbolickou metodu pro odvození funkčních vztahů mezi běžnými, exponenciálními a vícerozměrnými generujícími funkcemi. Zkoumá také metody komplexní analýzy k odvození přesné asymptotiky z rovnic generujících funkcí.
Studenti zjistí, jak lze analytickou kombinatoriku použít k predikci přesných veličin ve velkých kombinatorických strukturách. Naučí se manipulovat s kombinatorickými strukturami a používat komplexní analytické techniky k analýze těchto struktur.
Tento kurz je ideální pro ty, kteří chtějí prohloubit své chápání kombinatoriky a její aplikace při řešení složitých problémů. Nabízí jedinečný pohled na to, jak analytická kombinatorika utváří naše chápání matematických a kombinatorických struktur.