Kursused inglise keeles
Sissejuhatus lineaarsetesse mudelitesse ja maatriksalgebrasse (Harvard)
Harvardi ülikool pakub HarvardX platvormi kaudu edX-is kursust "Sissejuhatus lineaarsetesse mudelitesse ja maatriksalgebrasse". Kuigi kursust õpetatakse inglise keeles, pakub see ainulaadset võimalust õppida maatriksalgebra ja lineaarmudelite aluseid, mis on olulised oskused paljudes teadusvaldkondades.
See neljanädalane kursus, mis nõuab 2–4 tundi õppimist nädalas, on mõeldud teie enda tempos läbimiseks. See keskendub programmeerimiskeele R kasutamisele lineaarsete mudelite rakendamiseks andmeanalüüsis, eriti bioteadustes. Õpilased õpivad manipuleerima maatriksalgebraga ja mõistavad selle rakendamist eksperimentaalses disainis ja suuremõõtmelises andmeanalüüsis.
Programm hõlmab maatriksalgebra tähistust, maatriksoperatsioone, maatriksalgebra rakendamist andmete analüüsimisel, lineaarmudeleid ja sissejuhatust QR-dekomponeerimisesse. See kursus on osa seitsmest kursusest koosnevast seeriast, mida saab läbida individuaalselt või kahe eluteaduste andmeanalüüsi ja genoomiandmete analüüsi kutsetunnistuse osana.
See kursus on ideaalne neile, kes soovivad omandada statistilise modelleerimise ja andmeanalüüsi oskusi, eriti bioteaduste kontekstis. See annab kindla aluse neile, kes soovivad maatriksalgebrat ja selle rakendamist erinevates teadus- ja uurimisvaldkondades edasi uurida.
Master Probability (Harvard)
LYouTube'i esitusloend „Statistics 110: Probability”, mida õpetab inglise keeles Joe Blitzstein Harvardi ülikoolist, on hindamatu ressurss neile, kes soovivad süvendada oma teadmisi tõenäosuse kohta.. Esitusloend sisaldab õppetundide videoid, ülevaatematerjale ja üle 250 üksikasjalike lahendustega harjutuse.
See inglise keele kursus on põhjalik sissejuhatus tõenäosuste hulka, mis on oluline keel ja tööriistade komplekt statistika, teaduse, riskide ja juhuslikkuse mõistmiseks. Õpetatud mõisted on rakendatavad erinevates valdkondades, nagu statistika, teadus, tehnika, majandus, rahandus ja igapäevaelu.
Käsitletavad teemad hõlmavad tõenäosuse põhitõdesid, juhuslikke muutujaid ja nende jaotusi, ühe- ja mitmemõõtmelisi jaotusi, piirteoreeme ja Markovi ahelaid. Kursus eeldab eelteadmisi ühemuutujaarvutusest ja maatriksite tundmist.
Neile, kes tunnevad inglise keelt hästi ja soovivad süvitsi uurida tõenäosuste maailma, pakub see Harvardi kursuste sari rikastavat õppimisvõimalust. Esitusloendile ja selle üksikasjalikule sisule pääsete juurde otse YouTube'is.
Tõenäosus seletatud. Kursus prantsusekeelsete subtiitritega (Harvard)
HarvardXi edX-i pakutav kursus “Fat Chance: Probability from the Ground Up” on põnev sissejuhatus tõenäosuse ja statistika kohta. Kuigi kursust õpetatakse inglise keeles, on see tänu prantsuskeelsetele subtiitritele kättesaadav ka prantsuskeelsele publikule.
See seitsmenädalane kursus, mis nõuab 3–5 tundi õppimist nädalas, on mõeldud neile, kes on tõenäosuse uuringus uued või soovivad enne statistikakursusele registreerumist tutvuda põhimõistetega. Ülikooli tase. "Fat Chance" rõhutab pigem matemaatilise mõtlemise arendamist kui terminite ja valemite meeldejätmist.
Esialgsed moodulid tutvustavad põhilisi loendusoskusi, mida seejärel rakendatakse lihtsate tõenäosusülesannete lahendamisel. Järgnevates moodulites uuritakse, kuidas neid ideid ja tehnikaid saab kohandada suurema hulga tõenäosusprobleemide lahendamiseks. Kursus lõpeb statistika sissejuhatusega eeldatava väärtuse, dispersiooni ja normaaljaotuse mõistete kaudu.
See kursus on ideaalne neile, kes soovivad suurendada oma kvantitatiivseid arutlusoskusi ning mõista tõenäosuse ja statistika aluseid. See annab rikastava vaate matemaatika kumulatiivsest olemusest ja sellest, kuidas see kehtib riskide ja juhuslikkuse mõistmisel.
Statistilised järeldused ja modelleerimine suure läbilaskevõimega katsete jaoks (Harvard)
Ingliskeelne kursus “Statistical Inference and Modeling for High-throughput Experiments” keskendub tehnikatele, mida kasutatakse suure läbilaskevõimega andmete statistiliste järelduste tegemiseks. See neljanädalane kursus, mis nõuab 2–4 tundi õppimist nädalas, on väärtuslik ressurss neile, kes soovivad mõista ja rakendada täiustatud statistilisi meetodeid andmemahukates uurimisasutustes.
Programm hõlmab mitmesuguseid teemasid, sealhulgas mitmekordse võrdluse probleem, veamäärad, veamäära kontrollimise protseduurid, valede avastamise määrad, q-väärtused ja uurimuslik andmete analüüs. Samuti tutvustatakse statistilist modelleerimist ja selle rakendamist suure läbilaskevõimega andmetele, arutatakse parameetrilisi jaotusi, nagu binoom-, eksponentsiaalne ja gamma, ning kirjeldatakse maksimaalse tõenäosuse hindamist.
Õpilased õpivad, kuidas neid kontseptsioone rakendatakse sellistes kontekstides nagu järgmise põlvkonna sekveneerimine ja mikrokiibi andmed. Kursusel käsitletakse ka hierarhilisi mudeleid ja Bayesi empiirikat koos praktiliste näidetega nende kasutamisest.
See kursus on ideaalne neile, kes soovivad süvendada oma arusaamist statistilistest järeldustest ja modelleerimisest tänapäevastes teadusuuringutes. See annab põhjaliku ülevaate keeruliste andmete statistilisest analüüsist ning on suurepärane ressurss bioteaduste, bioinformaatika ja statistika valdkondade teadlastele, üliõpilastele ja spetsialistidele.
Sissejuhatus tõenäosusesse (Harvard)
Kursus "Sissejuhatus tõenäosusse", mida HarvardX pakub edX-is, on tõenäosuse põhjalik uurimine, oluline keel ja tööriistakomplekt andmete, juhuste ja ebakindluse mõistmiseks. Kuigi kursust õpetatakse inglise keeles, on see tänu prantsuskeelsetele subtiitritele kättesaadav ka prantsuskeelsele publikule.
Selle kümnenädalase kursuse, mis nõuab 5-10 tundi õppimist nädalas, eesmärk on tuua loogika maailma, mis on täis juhuseid ja ebakindlust. See pakub tööriistu andmete, teaduse, filosoofia, inseneriteaduse, majanduse ja rahanduse mõistmiseks. Sa ei õpi mitte ainult keeruliste tehniliste probleemide lahendamist, vaid ka seda, kuidas neid lahendusi igapäevaelus rakendada.
Näidetega alates meditsiinilisest testimisest kuni spordiennustusteni saate tugeva aluse statistiliste järelduste, stohhastiliste protsesside, juhuslike algoritmide ja muude teemade uurimiseks, kus tõenäosus on vajalik.
See kursus on ideaalne neile, kes soovivad suurendada oma arusaamist ebakindlusest ja juhusest, teha häid ennustusi ja mõista juhuslikke muutujaid. See annab rikastava perspektiivi statistikas ja andmeteaduses kasutatavate ühiste tõenäosusjaotuste kohta.
Rakendusarvutus (Harvard)
Harvardi edX-i pakutav kursus "Arvestuse rakendamine!" on põhjalik uurimine ühe muutujaga arvutuse rakendamisest sotsiaal-, elu- ja füüsikateadustes. See täielikult ingliskeelne kursus on suurepärane võimalus neile, kes soovivad mõista, kuidas arvutust reaalses professionaalses kontekstis rakendatakse.
See kursus, mis kestab kümme nädalat ja nõuab 3–6 õppetundi nädalas, ulatub traditsioonilistest õpikutest kaugemale. Ta teeb koostööd erinevate valdkondade professionaalidega, et näidata, kuidas arvutust kasutatakse reaalmaailma probleemide analüüsimiseks ja lahendamiseks. Õpilased uurivad erinevaid rakendusi, alates majandusanalüüsist kuni bioloogilise modelleerimiseni.
Programm hõlmab tuletisinstrumentide, integraalide, diferentsiaalvõrrandite kasutamist ning rõhutab matemaatiliste mudelite ja parameetrite tähtsust. See on mõeldud neile, kellel on põhiteadmised ühe muutuja arvutamisest ja kes on huvitatud selle praktilistest rakendustest erinevates valdkondades.
See kursus sobib suurepäraselt õpilastele, õpetajatele ja spetsialistidele, kes soovivad süvendada oma arusaamist arvutusest ja avastada selle reaalseid rakendusi.
Sissejuhatus matemaatilisse arutluskäiku (Stanford)
Stanfordi ülikooli Coursera pakutav kursus "Sissejuhatus matemaatilisesse mõtlemisse" on sukeldumine matemaatilise mõtlemise maailma. Kuigi kursust õpetatakse inglise keeles, on see tänu prantsuskeelsetele subtiitritele kättesaadav ka prantsuskeelsele publikule.
See seitsmenädalane kursus, mis võtab kokku ligikaudu 38 tundi ehk ligikaudu 12 tundi nädalas, on mõeldud neile, kes soovivad arendada matemaatilist mõtlemist, mis erineb lihtsalt matemaatika harjutamisest, nagu seda koolisüsteemis sageli esitatakse. Kursusel keskendutakse “kastist väljas” mõtteviisi arendamisele, mis on tänapäeva maailmas väärtuslik oskus.
Õpilased uurivad, kuidas professionaalsed matemaatikud mõtlevad lahendada reaalseid probleeme, olenemata sellest, kas need tulenevad igapäevamaailmast, teadusest või matemaatikast endast. Kursus aitab arendada seda üliolulist mõtteviisi, minnes stereotüüpsete probleemide lahendamiseks õppimisprotseduuridest kaugemale.
See kursus on ideaalne neile, kes soovivad tugevdada oma kvantitatiivset arutluskäiku ja mõista matemaatilise arutluskäigu aluseid. See annab rikastava vaate matemaatika kumulatiivsele olemusele ja selle rakendamisele keeruliste probleemide mõistmisel.
Statistiline õpe R-ga (Stanford)
Stanfordi pakutav kursus “Statistical Learning with R” on kesktaseme sissejuhatus juhendatud õppesse, keskendudes regressiooni- ja klassifitseerimismeetoditele. See täielikult ingliskeelne kursus on väärtuslik ressurss neile, kes soovivad mõista ja rakendada statistilisi meetodeid andmeteaduse valdkonnas.
Üksteist nädalat kestev ja 3-5 tundi õppetööd nädalas nõudev kursus hõlmab nii traditsioonilisi kui põnevaid uusi meetodeid statistilises modelleerimises ning nende kasutamist programmeerimiskeeles R. Kursus uuendati 2021. aastal teiseks väljaandeks. kursuse käsiraamat.
Käsitletavate teemade hulka kuuluvad lineaarne ja polünoomne regressioon, logistiline regressioon ja lineaarne diskriminantanalüüs, ristvalideerimine ja alglaadimine, mudelite valimise ja reguleerimise meetodid (ridge ja lasso), mittelineaarsed mudelid, splainid ja üldistatud liitmudelid, puupõhised meetodid, juhuslikud metsad ja võimendus. , toetavad vektormasinaid, närvivõrke ja süvaõpet, ellujäämismudeleid ja mitut testimist.
See kursus sobib ideaalselt neile, kellel on põhiteadmised statistikast, lineaaralgebrast ja arvutiteadusest ning kes soovivad süvendada oma arusaamist statistikaõppest ja selle rakendamisest andmeteaduses.
Kuidas õppida matemaatikat: kursus kõigile (Stanford)
Stanfordi pakutav kursus "Kuidas õppida matemaatikat: õpilastele". See on tasuta veebikursus kõikide matemaatikatasemete õppijatele. Täielikult inglise keeles ühendab see olulise teabe aju kohta uute tõenditega parimate viiside kohta matemaatikale lähenemiseks.
Kestus kuus nädalat ja nõuab 1–3 tundi õppimist nädalas. Kursuse eesmärk on muuta õppijate suhet matemaatikaga. Paljudel inimestel on matemaatikaga olnud negatiivseid kogemusi, mis on põhjustanud vastumeelsust või ebaõnnestumist. Selle kursuse eesmärk on anda õppijatele matemaatika nautimiseks vajalikku teavet.
Käsitletakse selliseid teemasid nagu aju ja matemaatika õppimine. Samuti käsitletakse müüte matemaatika, mõtteviisi, vigade ja kiiruse kohta. Numbriline paindlikkus, matemaatiline arutluskäik, seosed, numbrilised mudelid kuuluvad samuti programmi. Ei unustata matemaatika esitusi elus, aga ka looduses ja töös. Kursus on koostatud aktiivse kaasamise pedagoogikaga, muutes õppimise interaktiivseks ja dünaamiliseks.
See on väärtuslik ressurss kõigile, kes soovivad matemaatikat teisiti näha. Arendage sellest distsipliinist sügavamat ja positiivset mõistmist. See sobib eriti hästi neile, kellel on varem matemaatikaga negatiivseid kogemusi olnud ja kes soovivad seda arusaama muuta.
Tõenäosuse juhtimine (Stanford)
Stanfordi pakutav kursus "Sissejuhatus tõenäosusjuhtimisse" on sissejuhatus tõenäosusjuhtimise distsipliini. See väli keskendub edastamisele ja määramatuste arvutamisele auditeeritavate andmetabelite, mida nimetatakse stohhastilisteks teabepakettideks (SIP) kujul. See kümnenädalane kursus nõuab 1–5 tundi õppimist nädalas. See on kahtlemata väärtuslik ressurss neile, kes soovivad mõista ja rakendada statistilisi meetodeid andmeteaduse valdkonnas.
Kursuse õppekava hõlmab selliseid teemasid nagu "keskmiste vigade" äratundmine, süstemaatiliste vigade kogum, mis tekib siis, kui ebakindlust tähistatakse üksikute numbritega, tavaliselt keskmisena. See selgitab, miks paljud projektid on hilinenud, üle eelarve ja eelarvest väiksemad. Kursusel õpetatakse ka määramatuse aritmeetikat, mis teeb arvutusi ebakindlate sisenditega, mille tulemuseks on ebakindlad väljundid, mille põhjal saab arvutada tegelikud keskmised tulemused ja võimalused kindlaksmääratud eesmärkide saavutamiseks.
Õpilased õpivad, kuidas luua interaktiivseid simulatsioone, mida saab jagada iga Exceli kasutajaga ilma lisandmooduleid või makrosid nõudmata. See lähenemine sobib ühtviisi nii Pythoni kui ka mis tahes massiive toetava programmeerimiskeskkonna jaoks.
See kursus on ideaalne neile, kes tunnevad end hästi Microsoft Exceli kasutamises ja soovivad süvendada oma arusaamist tõenäosusjuhtimisest ja selle rakendamisest andmeteaduses.
Ebakindluse ja andmete teadus (MIT)
Massachusettsi Tehnoloogiainstituudi (MIT) pakutav kursus “Tõenäosus – määramatuse ja andmete teadus”. See on fundamentaalne sissejuhatus andmeteadusesse tõenäosusmudelite kaudu. See kuueteistkümnenädalane kursus, mis nõuab 10–14 tundi õppimist nädalas. See vastab MIT MicroMastersi programmi statistika ja andmeteaduse osale.
See kursus uurib ebakindluse maailma: õnnetustest ettearvamatutel finantsturgudel kuni kommunikatsioonini. Tõenäosuslik modelleerimine ja sellega seotud statistiliste järelduste valdkond. Need on kaks võtit nende andmete analüüsimiseks ja teaduslikult põhjendatud prognooside tegemiseks.
Õpilased avastavad tõenäosusmudelite struktuuri ja põhielemendid. Sealhulgas juhuslikud muutujad, nende jaotused, keskmised ja dispersioonid. Kursusel käsitletakse ka järeldusmeetodeid. Suurte arvude seadused ja nende rakendused, samuti juhuslikud protsessid.
See kursus sobib suurepäraselt neile, kes soovivad andmeteaduse põhiteadmisi. See annab põhjaliku ülevaate tõenäosusmudelitest. Põhielementidest juhuslike protsesside ja statistiliste järeldusteni. Kõik see on eriti kasulik spetsialistidele ja üliõpilastele. Eelkõige andmeteaduse, tehnika ja statistika valdkondades.
Arvutuslik tõenäosus ja järeldus (MIT)
Massachusettsi Tehnoloogiainstituut (MIT) esitleb inglisekeelset kursust “Arvutustõenäosus ja järeldus”. Programmis keskmise taseme sissejuhatus tõenäosusanalüüsi ja järeldustesse. See kaheteistkümnenädalane kursus, mis nõuab 4–6 tundi õppimist nädalas, on põnev uurimus selle kohta, kuidas tõenäosust ja järeldusi kasutatakse nii erinevates valdkondades nagu rämpsposti filtreerimine, mobiilirobotite navigeerimine või isegi strateegiamängudes nagu Jeopardy ja Go.
Sellel kursusel õpid tundma tõenäosuse ja järeldamise põhimõtteid ning nende rakendamist ebakindlust põhjustavates ja ennustavates arvutiprogrammides. Õpid tundma erinevaid tõenäosusjaotuste salvestamise andmestruktuurisid, näiteks tõenäosuslikke graafilisi mudeleid, ning töötama välja tõhusad algoritmid nende andmestruktuuridega arutlemiseks.
Selle kursuse lõpuks saate teada, kuidas modelleerida reaalseid probleeme tõenäosusega ja kuidas kasutada saadud mudeleid järelduste tegemiseks. Teil ei pea olema eelnev kogemus tõenäosuse või järelduste tegemisel, kuid peate olema Pythoni põhiprogrammeerimise ja arvutamisega rahul.
See kursus on väärtuslik ressurss neile, kes soovivad mõista ja rakendada statistilisi meetodeid andmeteaduse valdkonnas, pakkudes igakülgset perspektiivi tõenäosusmudelite ja statistiliste järelduste kohta.
Ebakindluse keskmes: MIT demüstifitseerib tõenäosuse
Massachusettsi Tehnoloogiainstituut (MIT) pakub kursusel „Sissejuhatus tõenäosuse II osasse: Järeldusprotsessid“ võimalust süveneda tõenäosuse ja järelduste maailma. See täielikult ingliskeelne kursus on loogiline jätk esimesele osale, sukeldudes sügavamale andmeanalüüsi ja määramatuse teadusesse.
Kuueteistkümne nädala jooksul, kulutades 6 tundi nädalas, uuritakse sellel kursusel suurte arvude seadusi, Bayesi järeldusmeetodeid, klassikalist statistikat ja juhuslikke protsesse, nagu Poissoni protsesse ja Markovi ahelaid. See on põhjalik uurimine, mis on mõeldud neile, kellel on juba tõsine alus.
See kursus paistab silma oma intuitiivse lähenemise poolest, säilitades samal ajal matemaatilise ranguse. See ei esita ainult teoreeme ja tõestusi, vaid selle eesmärk on arendada konkreetsete rakenduste kaudu mõistete sügavat mõistmist. Õpilased õpivad modelleerima keerulisi nähtusi ja tõlgendama reaalmaailma andmeid.
See kursus sobib ideaalselt andmeteaduse spetsialistidele, teadlastele ja üliõpilastele ning pakub ainulaadset vaatenurka selle kohta, kuidas tõenäosus ja järeldused kujundavad meie arusaama maailmast. Ideaalne neile, kes soovivad süvendada oma teadmisi andmeteadusest ja statistilisest analüüsist.
Analüütiline kombinatoorika: Princetoni kursus keerukate struktuuride dešifreerimiseks (Princeton)
Princetoni ülikooli pakutav analüütilise kombinatoorika kursus on põnev analüütilise kombinatoorika uurimine, distsipliin, mis võimaldab keeruliste kombinatoorsete struktuuride täpseid kvantitatiivseid prognoose. See täielikult ingliskeelne kursus on väärtuslik ressurss neile, kes soovivad mõista ja rakendada kombinatoorika valdkonna täiustatud meetodeid.
See kursus kestab kolm nädalat ja nõuab kokku ligikaudu 16 tundi ehk ligikaudu 5 tundi nädalas. See kursus tutvustab sümboolset meetodit funktsionaalsete seoste tuletamiseks tavaliste, eksponentsiaalsete ja mitme muutujaga genereerivate funktsioonide vahel. Samuti uuritakse kompleksanalüüsi meetodeid, et tuletada funktsioonide genereerimise võrranditest täpsed asümptootikad.
Õpilased avastavad, kuidas analüütilist kombinatoorikat saab kasutada täpsete koguste ennustamiseks suurtes kombinatoorsetes struktuurides. Nad õpivad manipuleerima kombinatoorsete struktuuridega ja kasutama keerukaid analüüsimeetodeid nende struktuuride analüüsimiseks.
See kursus on ideaalne neile, kes soovivad süvendada oma arusaamist kombinatoorikast ja selle rakendamisest keeruliste probleemide lahendamisel. See pakub ainulaadset vaatenurka sellele, kuidas analüütiline kombinatoorika kujundab meie arusaamist matemaatilistest ja kombinatoorsetest struktuuridest.