دوره های آموزشی به زبان انگلیسی
مقدمه ای بر مدل های خطی و جبر ماتریسی (هاروارد)
دانشگاه هاروارد، از طریق پلت فرم HarvardX خود در edX، دوره آموزشی "مقدمه ای بر مدل های خطی و جبر ماتریسی" را ارائه می دهد.. اگرچه این دوره به زبان انگلیسی تدریس می شود، اما فرصتی منحصر به فرد برای یادگیری مبانی جبر ماتریسی و مدل های خطی، مهارت های ضروری در بسیاری از زمینه های علمی است.
این دوره چهار هفته ای که به 2 تا 4 ساعت مطالعه در هفته نیاز دارد، به گونه ای طراحی شده است که با سرعت خود شما تکمیل شود. تمرکز آن بر استفاده از زبان برنامه نویسی R برای اعمال مدل های خطی در تجزیه و تحلیل داده ها، به ویژه در علوم زیستی است. دانش آموزان یاد خواهند گرفت که جبر ماتریسی را دستکاری کنند و کاربرد آن را در طراحی تجربی و تجزیه و تحلیل داده های با ابعاد بالا درک کنند.
این برنامه نمادهای جبر ماتریس، عملیات ماتریس، کاربرد جبر ماتریس برای تجزیه و تحلیل داده ها، مدل های خطی، و مقدمه ای بر تجزیه QR را پوشش می دهد. این دوره بخشی از مجموعه ای از هفت دوره است که می تواند به صورت انفرادی یا به عنوان بخشی از دو مدرک حرفه ای در تجزیه و تحلیل داده ها برای علوم زیستی و تجزیه و تحلیل داده های ژنومی اخذ شود.
این دوره برای کسانی که به دنبال کسب مهارت در مدل سازی آماری و تجزیه و تحلیل داده ها هستند، به ویژه در زمینه علوم زیستی ایده آل است. این یک پایه محکم برای کسانی است که مایلند جبر ماتریسی و کاربرد آن را در زمینه های مختلف علمی و تحقیقاتی بیشتر بررسی کنند.
احتمالات کارشناسی ارشد (هاروارد)
Lلیست پخش «Statistics 110: Probability» در یوتیوب که توسط جو بلیتزشتاین از دانشگاه هاروارد به زبان انگلیسی تدریس می شود، منبع ارزشمندی برای کسانی است که به دنبال تعمیق دانش خود در مورد احتمال هستند.. لیست پخش شامل فیلم های درس، مطالب مروری و بیش از 250 تمرین تمرینی با راه حل های دقیق است.
این دوره انگلیسی مقدمه ای جامع بر احتمال است که به عنوان یک زبان ضروری و مجموعه ای از ابزارها برای درک آمار، علم، ریسک و تصادفی ارائه شده است. مفاهیم آموزش داده شده در زمینه های مختلف از جمله آمار، علوم، مهندسی، اقتصاد، امور مالی و زندگی روزمره قابل اجرا هستند.
موضوعات مطرح شده شامل مبانی احتمال، متغیرهای تصادفی و توزیع آنها، توزیع های تک متغیره و چند متغیره، قضایای حدی و زنجیره های مارکوف است. این دوره نیاز به دانش قبلی در مورد حساب تک متغیری و آشنایی با ماتریس دارد.
برای کسانی که با زبان انگلیسی راحت هستند و مشتاق کاوش عمیق در دنیای احتمالات هستند، این مجموعه دوره هاروارد فرصت یادگیری غنی را ارائه می دهد. میتوانید مستقیماً در YouTube به فهرست پخش و محتوای دقیق آن دسترسی داشته باشید.
احتمال توضیح داده شده است. دوره با زیرنویس فرانسوی (هاروارد)
دوره "Fat Chance: Probability from the Ground Up" که توسط HarvardX در edX ارائه شده است، مقدمه ای جذاب برای احتمالات و آمار است. اگرچه این دوره به زبان انگلیسی تدریس می شود، اما به لطف زیرنویس های فرانسوی موجود، برای مخاطبان فرانسوی زبان قابل دسترسی است.
این دوره هفت هفته ای، که به 3 تا 5 ساعت مطالعه در هفته نیاز دارد، برای کسانی طراحی شده است که در مطالعه احتمالات تازه وارد هستند یا قبل از ثبت نام در یک دوره آمار، به دنبال بررسی در دسترس مفاهیم کلیدی هستند. "Fat Chance" به جای حفظ کردن اصطلاحات و فرمول ها بر توسعه تفکر ریاضی تاکید دارد.
ماژول های اولیه مهارت های شمارش اولیه را معرفی می کنند که سپس برای مسائل احتمالی ساده اعمال می شود. ماژولهای بعدی به بررسی این موضوع میپردازند که چگونه این ایدهها و تکنیکها میتوانند برای رسیدگی به طیف وسیعتری از مشکلات احتمالی سازگار شوند. این دوره با مقدمه ای بر آمار از طریق مفاهیم ارزش مورد انتظار، واریانس و توزیع نرمال به پایان می رسد.
این دوره برای کسانی که به دنبال افزایش مهارت های استدلال کمی و درک مبانی احتمال و آمار هستند ایده آل است. این یک دیدگاه غنی در مورد ماهیت تجمعی ریاضیات و نحوه اعمال آن در درک ریسک و تصادفی ارائه می دهد.
استنتاج آماری و مدل سازی برای آزمایش های با توان بالا (هاروارد)
دوره "استنتاج آماری و مدل سازی برای آزمایش های با توان بالا" به زبان انگلیسی بر روی تکنیک های مورد استفاده برای انجام استنتاج آماری بر روی داده های با توان بالا تمرکز دارد. این دوره چهار هفتهای، که به ۲ تا ۴ ساعت مطالعه در هفته نیاز دارد، منبع ارزشمندی برای کسانی است که به دنبال درک و استفاده از روشهای آماری پیشرفته در محیطهای تحقیقاتی فشرده داده هستند.
این برنامه موضوعات مختلفی از جمله مسئله مقایسه چندگانه، نرخ خطا، روشهای کنترل نرخ خطا، نرخهای کشف نادرست، مقادیر q و تجزیه و تحلیل دادههای اکتشافی را پوشش میدهد. همچنین مدلسازی آماری و کاربرد آن را برای دادههای با توان بالا معرفی میکند، در مورد توزیعهای پارامتری مانند دوجملهای، نمایی و گاما بحث میکند و تخمین حداکثر درستنمایی را توصیف میکند.
دانش آموزان یاد خواهند گرفت که چگونه این مفاهیم در زمینه هایی مانند توالی یابی نسل بعدی و داده های ریزآرایه به کار می روند. این دوره همچنین مدل های سلسله مراتبی و تجربیات بیزی را با مثال های عملی استفاده از آنها پوشش می دهد.
این دوره برای کسانی که به دنبال تعمیق درک خود از استنتاج آماری و مدل سازی در تحقیقات علمی مدرن هستند ایده آل است. این یک چشم انداز عمیق در مورد تجزیه و تحلیل آماری داده های پیچیده ارائه می دهد و یک منبع عالی برای محققان، دانشجویان و متخصصان در زمینه های علوم زیستی، بیوانفورماتیک و آمار است.
مقدمه ای بر احتمال (هاروارد)
دوره "مقدمه ای بر احتمال" که توسط HarvardX در edX ارائه شده است، یک کاوش عمیق در مورد احتمالات، یک زبان و مجموعه ابزار ضروری برای درک داده ها، شانس و عدم قطعیت است. اگرچه این دوره به زبان انگلیسی تدریس می شود، اما به لطف زیرنویس های فرانسوی موجود، برای مخاطبان فرانسوی زبان قابل دسترسی است.
این دوره ده هفته ای، که به 5-10 ساعت مطالعه در هفته نیاز دارد، با هدف آوردن منطق به دنیایی پر از شانس و عدم اطمینان است. ابزارهای مورد نیاز برای درک داده ها، علم، فلسفه، مهندسی، اقتصاد و امور مالی را فراهم می کند. شما نه تنها یاد خواهید گرفت که چگونه مشکلات فنی پیچیده را حل کنید، بلکه چگونه این راه حل ها را در زندگی روزمره به کار ببرید.
با مثالهایی از آزمایشهای پزشکی گرفته تا پیشبینیهای ورزشی، پایه محکمی برای مطالعه استنتاج آماری، فرآیندهای تصادفی، الگوریتمهای تصادفی و سایر موضوعاتی که احتمال لازم است به دست خواهید آورد.
این دوره برای کسانی که به دنبال افزایش درک خود از عدم قطعیت و شانس، انجام پیش بینی های خوب و درک متغیرهای تصادفی هستند ایده آل است. این دیدگاه غنیسازی در مورد توزیعهای احتمال رایج مورد استفاده در علم آمار و داده ارائه میکند.
حساب کاربری کاربردی (هاروارد)
دوره "حساب حساب کاربردی!"، ارائه شده توسط هاروارد در edX، یک کاوش عمیق در مورد کاربرد حساب تک متغیره در علوم اجتماعی، زندگی و فیزیکی است. این دوره کاملاً به زبان انگلیسی، فرصتی عالی برای کسانی است که به دنبال درک نحوه استفاده از حساب دیفرانسیل و انتگرال در زمینه های حرفه ای در دنیای واقعی هستند.
این دوره که ده هفته طول می کشد و بین 3 تا 6 ساعت مطالعه در هفته نیاز دارد، فراتر از کتاب های درسی سنتی است. او با متخصصان رشته های مختلف همکاری می کند تا نشان دهد چگونه حساب دیفرانسیل و انتگرال برای تجزیه و تحلیل و حل مسائل دنیای واقعی استفاده می شود. دانشآموزان کاربردهای متنوعی از تحلیل اقتصادی گرفته تا مدلسازی بیولوژیکی را بررسی خواهند کرد.
این برنامه استفاده از مشتقات، انتگرال ها، معادلات دیفرانسیل را پوشش می دهد و بر اهمیت مدل ها و پارامترهای ریاضی تاکید می کند. برای کسانی طراحی شده است که درک پایه ای از حساب تک متغیری دارند و به کاربردهای عملی آن در زمینه های مختلف علاقه مند هستند.
این دوره برای دانش آموزان، معلمان و متخصصانی که به دنبال تعمیق درک خود از حساب دیفرانسیل و انتگرال و کشف کاربردهای واقعی آن هستند، عالی است.
مقدمه ای بر استدلال ریاضی (استنفورد)
دوره "مقدمه ای بر تفکر ریاضی" که توسط دانشگاه استنفورد در Coursera ارائه شده است، یک شیرجه به دنیای استدلال ریاضی است. اگرچه این دوره به زبان انگلیسی تدریس می شود، اما به لطف زیرنویس های فرانسوی موجود، برای مخاطبان فرانسوی زبان قابل دسترسی است.
این دوره هفت هفته ای، که در مجموع به 38 ساعت یا تقریباً 12 ساعت در هفته نیاز دارد، برای کسانی طراحی شده است که می خواهند تفکر ریاضی را توسعه دهند، متفاوت از تمرین ساده ریاضیات که اغلب در سیستم مدرسه ارائه می شود. این دوره بر توسعه یک روش تفکر "خارج از جعبه" تمرکز دارد، یک مهارت ارزشمند در دنیای امروز.
دانشآموزان بررسی خواهند کرد که چگونه ریاضیدانان حرفهای برای حل مسائل دنیای واقعی فکر میکنند، چه از دنیای روزمره، چه از علم و چه از خود ریاضیات. این دوره به توسعه این روش حیاتی تفکر کمک می کند، فراتر از روش های یادگیری برای حل مشکلات کلیشه ای.
این دوره برای کسانی که به دنبال تقویت استدلال کمی و درک مبانی استدلال ریاضی هستند ایده آل است. این یک دیدگاه غنی در مورد ماهیت تجمعی ریاضیات و کاربرد آن برای درک مسائل پیچیده ارائه می دهد.
یادگیری آماری با R (استنفورد)
دوره آموزشی "یادگیری آماری با R" که توسط استنفورد ارائه شده است، مقدمه ای در سطح متوسط برای یادگیری نظارت شده است که بر روش های رگرسیون و طبقه بندی تمرکز دارد. این دوره کاملاً به زبان انگلیسی، منبع ارزشمندی برای کسانی است که به دنبال درک و به کارگیری روش های آماری در زمینه علم داده هستند.
این دوره که یازده هفته به طول می انجامد و به 3-5 ساعت مطالعه در هفته نیاز دارد، هم روش های سنتی و هم روش های جدید هیجان انگیز در مدل سازی آماری و نحوه استفاده از آنها در زبان برنامه نویسی R را پوشش می دهد. این دوره در سال 2021 برای ویرایش دوم به روز شد. کتابچه راهنمای دوره
موضوعات تحت پوشش عبارتند از رگرسیون خطی و چند جمله ای، رگرسیون لجستیک و تجزیه و تحلیل تفکیک خطی، اعتبار سنجی متقاطع و راه اندازی، روش های انتخاب مدل و منظم سازی (رج و کمند)، مدل های غیر خطی، خطوط و مدل های افزودنی تعمیم یافته، روش های مبتنی بر درخت، جنگل های تصادفی و تقویت پشتیبانی از ماشینهای برداری، شبکههای عصبی و یادگیری عمیق، مدلهای بقا و آزمایشهای چندگانه.
این دوره برای کسانی که دانش پایه ای از آمار، جبر خطی و علوم کامپیوتر دارند و به دنبال تعمیق درک خود از یادگیری آماری و کاربرد آن در علم داده هستند ایده آل است.
چگونه ریاضی بیاموزیم: دوره ای برای همه (استنفورد)
دوره "چگونه ریاضی بیاموزیم: برای دانش آموزان" ارائه شده توسط استنفورد. یک دوره آنلاین رایگان برای زبان آموزان تمام سطوح ریاضی است. به طور کامل به زبان انگلیسی، اطلاعات مهم در مورد مغز را با شواهد جدید در مورد بهترین راههای نزدیک شدن به ریاضیات ترکیب میکند.
شش هفته طول می کشد و به 1 تا 3 ساعت مطالعه در هفته نیاز دارد. این دوره برای تغییر رابطه زبان آموزان با ریاضیات طراحی شده است. بسیاری از مردم تجربیات منفی با ریاضی داشته اند که منجر به بیزاری یا شکست می شود. هدف از این دوره ارائه اطلاعات مورد نیاز دانش آموزان برای لذت بردن از ریاضیات است.
موضوعاتی مانند مغز و یادگیری ریاضیات پوشش داده شده است. افسانه ها در مورد ریاضیات، طرز فکر، اشتباهات و سرعت نیز پوشش داده شده است. انعطاف پذیری عددی، استدلال ریاضی، اتصالات، مدل های عددی نیز بخشی از برنامه هستند. بازنمایی ریاضیات در زندگی، بلکه در طبیعت و در محل کار فراموش نمی شود. این دوره با آموزش تعامل فعال طراحی شده است که یادگیری را تعاملی و پویا می کند.
این یک منبع ارزشمند برای هر کسی است که می خواهد ریاضیات را متفاوت ببیند. درکی عمیق تر و مثبت از این رشته ایجاد کنید. این به ویژه برای کسانی که تجربیات منفی با ریاضیات در گذشته داشته اند و به دنبال تغییر این تصور هستند مناسب است.
مدیریت احتمال (استنفورد)
دوره "مقدمه ای بر مدیریت احتمالات" ارائه شده توسط استنفورد، مقدمه ای بر رشته مدیریت احتمالات است. این زمینه بر برقراری ارتباط و محاسبه عدم قطعیت ها در قالب جداول داده قابل ممیزی به نام بسته های اطلاعات تصادفی (SIP) تمرکز دارد. این دوره ده هفته ای به 1 تا 5 ساعت مطالعه در هفته نیاز دارد و بدون شک منبع ارزشمندی برای کسانی است که به دنبال درک و به کارگیری روش های آماری در زمینه علم داده هستند.
برنامه درسی دوره موضوعاتی مانند تشخیص "نقص میانگین ها" را پوشش می دهد، مجموعه ای از خطاهای سیستماتیک که زمانی که عدم قطعیت ها با اعداد منفرد، معمولاً میانگین، نمایش داده می شوند، به وجود می آیند. این توضیح میدهد که چرا بسیاری از پروژهها با تأخیر، بودجه بیش از حد و کمبودجه هستند. این دوره همچنین محاسبه عدم قطعیت را آموزش میدهد که محاسباتی را با ورودیهای نامشخص انجام میدهد و در نتیجه خروجیهای نامشخصی به دست میآید که میتوانید نتایج میانگین واقعی و شانس دستیابی به اهداف مشخص شده را محاسبه کنید.
دانشآموزان یاد خواهند گرفت که چگونه شبیهسازیهای تعاملی ایجاد کنند که میتوانند بدون نیاز به افزودنیها یا ماکروها با هر کاربر اکسل به اشتراک گذاشته شوند. این رویکرد به همان اندازه برای پایتون یا هر محیط برنامه نویسی که از آرایه ها پشتیبانی می کند مناسب است.
این دوره برای کسانی که با مایکروسافت اکسل راحت هستند و به دنبال تعمیق درک خود از مدیریت احتمالات و کاربرد آن در علم داده هستند ایده آل است.
علم عدم قطعیت و داده (MIT)
دوره "احتمال - علم عدم قطعیت و داده" ارائه شده توسط موسسه فناوری ماساچوست (MIT). مقدمه ای اساسی برای علم داده از طریق مدل های احتمالی است. این دوره شانزده هفته طول می کشد و به 10 تا 14 ساعت مطالعه در هفته نیاز دارد. این مربوط به بخشی از برنامه MIT MicroMasters در آمار و علم داده است.
این دوره به بررسی دنیای عدم قطعیت می پردازد: از حوادث در بازارهای مالی غیرقابل پیش بینی تا ارتباطات. مدلسازی احتمالی و حوزه استنباط آماری مرتبط. دو کلید برای تجزیه و تحلیل این داده ها و انجام پیش بینی های علمی است.
دانش آموزان ساختار و عناصر اساسی مدل های احتمالی را کشف خواهند کرد. از جمله متغیرهای تصادفی، توزیع، میانگین و واریانس آنها. این دوره همچنین روش های استنتاج را پوشش می دهد. قوانین اعداد بزرگ و کاربردهای آنها و همچنین فرآیندهای تصادفی.
این دوره برای کسانی که خواهان دانش بنیادی در علم داده هستند عالی است. این یک دیدگاه جامع در مورد مدل های احتمالی ارائه می دهد. از عناصر اساسی تا فرآیندهای تصادفی و استنتاج آماری. همه اینها به ویژه برای متخصصان و دانشجویان مفید است. به ویژه در زمینه های علوم داده، مهندسی و آمار.
احتمال محاسباتی و استنتاج (MIT)
موسسه فناوری ماساچوست (MIT) دوره "احتمالات محاسباتی و استنتاج" را به زبان انگلیسی ارائه می دهد. این برنامه شامل مقدمه ای در سطح متوسط برای تحلیل و استنتاج احتمالی است. این دوره دوازده هفتهای، که به 4 تا 6 ساعت مطالعه در هفته نیاز دارد، یک کاوش شگفتانگیز در مورد چگونگی استفاده از احتمال و استنباط در زمینههای متنوعی مانند فیلتر کردن هرزنامه، ناوبری ربات تلفن همراه یا حتی در بازیهای استراتژی مانند Jeopardy و Go است.
در این دوره با اصول احتمال و استنتاج و نحوه پیاده سازی آنها در برنامه های کامپیوتری که با عدم قطعیت استدلال می کنند و پیش بینی می کنند آشنا می شوید. شما در مورد ساختارهای داده های مختلف برای ذخیره توزیع های احتمال، مانند مدل های گرافیکی احتمالی، و توسعه الگوریتم های کارآمد برای استدلال با این ساختارهای داده، خواهید آموخت.
در پایان این دوره، شما خواهید آموخت که چگونه مسائل دنیای واقعی را با احتمال مدل سازی کنید و چگونه از مدل های به دست آمده برای استنتاج استفاده کنید. شما نیازی به تجربه قبلی در احتمال یا استنتاج ندارید، اما باید با برنامه نویسی و حساب دیفرانسیل پایه پایتون راحت باشید.
این دوره یک منبع قابل توجه برای کسانی است که به دنبال درک و به کارگیری روش های آماری در زمینه علم داده هستند و دیدگاهی جامع در مورد مدل های احتمالی و استنتاج آماری ارائه می دهد.
در قلب عدم قطعیت: MIT احتمال را رمزگشایی می کند
مؤسسه فناوری ماساچوست (MIT) در دوره آموزشی "مقدمه ای بر احتمال بخش دوم: فرآیندهای استنتاج"، غوطه وری پیشرفته ای را در دنیای احتمالات و استنتاج ارائه می دهد. این دوره که کاملاً به زبان انگلیسی است، ادامه منطقی بخش اول است و عمیقتر به تجزیه و تحلیل دادهها و علم عدم قطعیت میپردازد.
این دوره در مدت شانزده هفته، با تعهد 6 ساعت در هفته، قوانین اعداد بزرگ، روش های استنتاج بیزی، آمار کلاسیک و فرآیندهای تصادفی مانند فرآیندهای پواسون و زنجیره های مارکوف را بررسی می کند. این یک اکتشاف دقیق است که برای کسانی در نظر گرفته شده است که در حال حاضر یک پایه محکم در احتمال دارند.
این دوره به دلیل رویکرد بصری خود، در عین حفظ دقت ریاضی، متمایز است. این فقط قضایا و برهان ها را ارائه نمی کند، بلکه هدف آن توسعه یک درک عمیق از مفاهیم از طریق کاربردهای عینی است. دانش آموزان مدل سازی پدیده های پیچیده و تفسیر داده های دنیای واقعی را خواهند آموخت.
ایده آل برای متخصصان علوم داده، محققان و دانشجویان، این دوره دیدگاه منحصر به فردی در مورد چگونگی شکل گیری احتمال و استنتاج درک ما از جهان ارائه می دهد. ایده آل برای کسانی که به دنبال تعمیق درک خود از علم داده و تجزیه و تحلیل آماری هستند.
ترکیبات تحلیلی: دوره پرینستون برای رمزگشایی ساختارهای پیچیده (پرینستون)
دوره ترکیبیات تحلیلی، ارائه شده توسط دانشگاه پرینستون، یک اکتشاف شگفت انگیز از ترکیبات تحلیلی است، رشته ای که امکان پیش بینی کمی دقیق ساختارهای ترکیبی پیچیده را فراهم می کند. این دوره کاملاً به زبان انگلیسی، منبع ارزشمندی برای کسانی است که به دنبال درک و به کارگیری روش های پیشرفته در زمینه ترکیبیات هستند.
این دوره که سه هفته طول می کشد و در مجموع به حدود 16 ساعت یا تقریباً 5 ساعت در هفته نیاز دارد، روش نمادین برای استخراج روابط عملکردی بین توابع مولد معمولی، نمایی و چند متغیره را معرفی می کند. همچنین روشهای تحلیل پیچیده را برای استخراج مجانبی دقیق از معادلات تولید توابع بررسی میکند.
دانش آموزان کشف خواهند کرد که چگونه ترکیبات تحلیلی می تواند برای پیش بینی مقادیر دقیق در ساختارهای ترکیبی بزرگ استفاده شود. آنها یاد خواهند گرفت که ساختارهای ترکیبی را دستکاری کنند و از تکنیک های تحلیل پیچیده برای تجزیه و تحلیل این ساختارها استفاده کنند.
این دوره برای کسانی که به دنبال تعمیق درک خود از ترکیبات و کاربرد آن در حل مسائل پیچیده هستند ایده آل است. این یک دیدگاه منحصر به فرد در مورد اینکه چگونه ترکیبات تحلیلی درک ما از ساختارهای ریاضی و ترکیبی را شکل می دهد ارائه می دهد.