Курсеви на англиски јазик
Вовед во линеарни модели и матрична алгебра (Харвард)
Универзитетот Харвард, преку својата платформа HarvardX на edX, го нуди курсот „Вовед во линеарни модели и матрична алгебра“. Иако курсот се изучува на англиски јазик, тој нуди единствена можност да се научат основите на матричната алгебра и линеарните модели, суштински вештини во многу научни области.
Овој четиринеделен курс, кој бара 2 до 4 часа студирање неделно, е дизајниран да се заврши со ваше темпо. Се фокусира на користење на програмскиот јазик R за примена на линеарни модели во анализата на податоците, особено во животните науки. Студентите ќе научат да манипулираат со матрична алгебра и да ја разберат нејзината примена во експерименталниот дизајн и анализата на податоци со високи димензии.
Програмата опфаќа матрична алгебра нотација, матрични операции, примена на матрична алгебра за анализа на податоци, линеарни модели и вовед во распаѓање QR. Овој курс е дел од серијата од седум курсеви, кои може да се полагаат поединечно или како дел од два професионални сертификати за анализа на податоци за животни науки и геномска анализа на податоци.
Овој курс е идеален за оние кои сакаат да стекнат вештини за статистичко моделирање и анализа на податоци, особено во контекстот на природните науки. Таа обезбедува солидна основа за оние кои сакаат дополнително да ја истражуваат матричната алгебра и нејзината примена во различни научни и истражувачки полиња.
Мастер веројатност (Харвард)
LПлејлистата „Статистика 110: Веројатност“ на YouTube, која на англиски ја предава Џо Блицштајн од Универзитетот Харвард, е непроценлив извор за оние кои сакаат да го продлабочат своето знаење за веројатноста.. Плејлистата вклучува видеа од лекции, материјали за прегледување и над 250 вежби за вежбање со детални решенија.
Овој курс по англиски јазик е сеопфатен вовед во веројатноста, претставен како суштински јазик и збир на алатки за разбирање на статистиката, науката, ризикот и случајноста. Концептите кои се изучуваат се применливи во различни области како што се статистика, наука, инженерство, економија, финансии и секојдневниот живот.
Опфатените теми ги вклучуваат основите на веројатноста, случајните променливи и нивните распределби, униваријантните и мултиваријантните распределби, граничните теореми и Маркововите синџири. Курсот бара претходно познавање на пресметка со една променлива и познавање на матрици.
За оние кои се задоволни со англискиот јазик и желни да го истражат светот на веројатноста во длабочина, оваа серија на курсеви на Харвард нуди збогатена можност за учење. Можете да пристапите до плејлистата и нејзините детални содржини директно на YouTube.
Објаснето веројатност. Курс со француски преводи (Харвард)
Курсот „Дебели шанси: Веројатност од темел нагоре“, понуден од HarvardX на edX, е фасцинантен вовед во веројатноста и статистиката. Иако курсот се изучува на англиски јазик, тој е достапен за публиката што зборува француски благодарение на достапните француски преводи.
Овој седумнеделен курс, кој бара 3 до 5 часа студирање неделно, е дизајниран за оние кои се нови во изучувањето на веројатноста или бараат пристапен преглед на клучните концепти пред да се запишат на курс за статистика.Универзитетско ниво. „Fat Chance“ го нагласува развојот на математичкото размислување наместо запомнување на термини и формули.
Почетните модули воведуваат основни вештини за броење, кои потоа се применуваат на едноставни проблеми со веројатноста. Следните модули истражуваат како овие идеи и техники може да се прилагодат за да се решат поширок опсег на проблеми со веројатноста. Курсот завршува со вовед во статистиката преку поимите очекувана вредност, варијанса и нормална дистрибуција.
Овој курс е идеален за оние кои сакаат да ги зголемат своите квантитативни вештини за расудување и да ги разберат основите на веројатноста и статистиката. Обезбедува збогатена перспектива за кумулативната природа на математиката и како таа се применува за разбирање на ризикот и случајноста.
Статистички заклучоци и моделирање за експерименти со висок пропуст (Харвард)
Курсот „Статистички заклучоци и моделирање за експерименти со висок пропуст“ на англиски јазик се фокусира на техниките што се користат за изведување статистички заклучоци за податоци со висока пропусна моќ. Овој четиринеделен курс, кој бара 2-4 часа студирање неделно, е вреден ресурс за оние кои сакаат да разберат и применат напредни статистички методи во истражувачки поставувања со интензивни податоци.
Програмата опфаќа различни теми, вклучително и проблем со повеќекратна споредба, стапки на грешки, процедури за контрола на стапката на грешки, стапки на лажни откритија, q-вредности и истражувачка анализа на податоци. Исто така, воведува статистичко моделирање и негова примена на податоци со висок пропусен опсег, дискутирајќи за параметарски распределби како што се биномни, експоненцијални и гама, и опишувајќи ја проценката на максималната веројатност.
Студентите ќе научат како овие концепти се применуваат во контексти како што се секвенционирање на следната генерација и податоци од микросреди. Курсот, исто така, ги опфаќа хиерархиските модели и емпириите на Бајза, со практични примери за нивна употреба.
Овој курс е идеален за оние кои сакаат да го продлабочат своето разбирање за статистичкото заклучување и моделирање во современите научни истражувања. Обезбедува длабинска перспектива за статистичката анализа на сложени податоци и е одличен ресурс за истражувачи, студенти и професионалци во областите на природните науки, биоинформатиката и статистиката.
Вовед во веројатност (Харвард)
Курсот „Вовед во веројатноста“, понуден од HarvardX на edX, е длабинско истражување на веројатноста, суштински јазик и сет на алатки за разбирање на податоците, шансата и неизвесноста. Иако курсот се изучува на англиски јазик, тој е достапен за публиката што зборува француски благодарение на достапните француски преводи.
Овој десетнеделен курс, кој бара 5-10 часа студирање неделно, има за цел да донесе логика во свет исполнет со шанса и неизвесност. Ќе ги обезбеди потребните алатки за разбирање на податоците, науката, филозофијата, инженерството, економијата и финансиите. Вие не само што ќе научите како да решавате сложени технички проблеми, туку и како да ги применувате овие решенија во секојдневниот живот.
Со примери кои се движат од медицинско тестирање до спортски предвидувања, ќе стекнете солидна основа за проучување на статистички заклучоци, стохастички процеси, случајни алгоритми и други теми каде што веројатноста е неопходна.
Овој курс е идеален за оние кои сакаат да го зголемат нивното разбирање за неизвесноста и шансата, правејќи добри предвидувања и разбирање случајни променливи. Обезбедува збогатена перспектива за заедничките распределби на веројатност што се користат во статистиката и науката за податоци.
Применета пресметка (Харвард)
Курсот „Применет пресметување!“, понуден од Харвард на edX, е длабинско истражување на примената на пресметка со една променлива во општествените, животните и физичките науки. Овој курс, целосно на англиски јазик, е одлична можност за оние кои сакаат да разберат како калкулусот се применува во професионални контексти од реалниот свет.
Овој курс трае десет недели и бара помеѓу 3 и 6 часа учење неделно, овој курс ги надминува традиционалните учебници. Тој соработува со професионалци од различни области за да покаже како пресметката се користи за анализирање и решавање на проблеми од реалниот свет. Студентите ќе истражуваат различни апликации, кои се движат од економска анализа до биолошко моделирање.
Програмата опфаќа употреба на деривати, интеграли, диференцијални равенки и ја нагласува важноста на математичките модели и параметри. Тој е дизајниран за оние кои имаат основно разбирање за пресметување со една променлива и се заинтересирани за неговата практична примена во различни области.
Овој курс е совршен за студенти, наставници и професионалци кои сакаат да го продлабочат своето разбирање за пресметката и да ги откријат неговите апликации во реалниот свет.
Вовед во математичко расудување (Стенфорд)
Курсот „Вовед во математичко размислување“, понуден од Универзитетот Стенфорд на Coursera, е нурне во светот на математичкото расудување. Иако курсот се изучува на англиски јазик, тој е достапен за публиката што зборува француски благодарение на достапните француски преводи.
Овој седумнеделен курс, кој бара приближно 38 часа вкупно, или приближно 12 часа неделно, е дизајниран за оние кои сакаат да развијат математичко размислување, различно од едноставно практикување математика како што често се прикажува во училишниот систем. Курсот се фокусира на развивање на начин на размислување „надвор од кутијата“, вредна вештина во денешниот свет.
Студентите ќе истражуваат како професионалните математичари размислуваат да решаваат реални проблеми, без разлика дали тие произлегуваат од секојдневниот свет, од науката или од самата математика. Курсот помага да се развие овој клучен начин на размислување, надминувајќи ги процедурите за учење за да се решат стереотипните проблеми.
Овој курс е идеален за оние кои сакаат да го зајакнат своето квантитативно расудување и да ги разберат основите на математичкото расудување. Обезбедува збогатена перспектива за кумулативната природа на математиката и нејзината примена за разбирање сложени проблеми.
Статистички учење со R (Стенфорд)
Курсот „Статистичко учење со R“, понуден од Стенфорд, е вовед на средно ниво во надгледувано учење, фокусирајќи се на методите на регресија и класификација. Овој курс, целосно на англиски јазик, е вреден ресурс за оние кои сакаат да ги разберат и применат статистичките методи во областа на науката за податоци.
Трае единаесет недели и бара 3-5 часа учење неделно, курсот опфаќа и традиционални и возбудливи нови методи во статистичкото моделирање и како да се користат во програмскиот јазик R. на курсот беше ажуриран во 2021 година за второто издание на прирачникот за курсот.
Темите вклучуваат линеарна и полиномна регресија, логистичка регресија и линеарна дискриминантна анализа, вкрстена валидација и подигање, методи за избор и регулација на модели (гребен и ласо), нелинеарни модели, сплин и генерализирани модели на адитиви, методи засновани на дрво, случајни шуми и засилување, поддршка на векторски машини, невронски мрежи и длабоко учење, модели за преживување и повеќекратно тестирање.
Овој курс е идеален за оние со основни познавања од статистика, линеарна алгебра и компјутерски науки и кои сакаат да го продлабочат своето разбирање за статистичкото учење и неговата примена во науката за податоци.
Како да научите математика: Курс за сите (Стенфорд)
Курсот „Како да научите математика: за студенти“, понуден од Стенфорд. Тоа е бесплатен онлајн курс за ученици од сите нивоа на математика. Целосно на англиски јазик, комбинира важни информации за мозокот со нови докази за најдобрите начини за пристап до математиката.
Трае шест недели и бара 1 до 3 часа учење неделно. Курсот е дизајниран да го трансформира односот на учениците со математиката. Многу луѓе имале негативни искуства со математиката, што доведува до аверзија или неуспех. Овој курс има за цел да им даде на учениците информации што им се потребни за да уживаат во математиката.
Опфатени се теми како што се мозокот и учењето математика. Покриени се и митовите за математиката, начинот на размислување, грешките и брзината. Нумеричка флексибилност, математичко расудување, врски, нумерички модели се исто така дел од програмата. Не се забораваат претставите на математиката во животот, но и во природата и на работа. Курсот е дизајниран со активен ангажман педагогија, правејќи го учењето интерактивно и динамично.
Тоа е вреден ресурс за секој кој сака поинаку да ја гледа математиката. Развијте подлабоко и позитивно разбирање за оваа дисциплина. Тој е особено погоден за оние кои имале негативни искуства со математиката во минатото и сакаат да ја променат оваа перцепција.
Управување со веројатност (Стенфорд)
Курсот „Вовед во менаџмент на веројатност“, понуден од Стенфорд, е вовед во дисциплината управување со веројатност. Ова поле се фокусира на комуникација и пресметување на несигурностите во форма на табели со податоци за ревизија наречени Стохастички информациски пакети (SIPs). Овој десетнеделен курс бара од 1 до 5 часа студирање неделно.Тоа несомнено е вреден ресурс за оние кои сакаат да ги разберат и применат статистичките методи во областа на науката за податоци.
Наставната програма на курсот опфаќа теми како што се препознавање на „пропустот на просеците“, збир на систематски грешки што се јавуваат кога неизвесностите се претставени со единечни броеви, обично просечни. Тоа објаснува зошто многу проекти доцнат, преку буџет и под буџет. Курсот, исто така, предава аритметика на несигурност, која врши пресметки со несигурни влезови, што резултира со несигурни излези од кои можете да ги пресметате вистинските просечни резултати и шансите за постигнување на одредени цели.
Студентите ќе научат како да креираат интерактивни симулации кои може да се споделат со кој било корисник на Excel без да се бараат додатоци или макроа. Овој пристап е подеднакво погоден за Python или која било програмска средина што поддржува низи.
Овој курс е идеален за оние кои се задоволни со Microsoft Excel и сакаат да го продлабочат своето разбирање за управувањето со веројатноста и неговата примена во науката за податоци.
Наука за несигурност и податоци (МИТ)
Курсот „Веројатност – наука за несигурноста и податоци“, понуден од Технолошкиот институт во Масачусетс (МИТ). Претставува основен вовед во науката за податоци преку веројатносни модели. Овој шеснаесетнеделен курс, кој бара од 10 до 14 часа студирање неделно. Тоа одговара на дел од програмата MIT MicroMasters во статистиката и науката за податоци.
Овој курс го истражува светот на неизвесноста: од несреќи на непредвидливи финансиски пазари до комуникации. Веројатно моделирање и поврзаното поле на статистичко заклучување. Се два клуча за анализа на овие податоци и правење научно издржани предвидувања.
Учениците ќе ја откријат структурата и основните елементи на веројатносните модели. Вклучувајќи ги случајните променливи, нивните распределби, средини и варијанси. Курсот исто така опфаќа методи за заклучување. Законите на големиот број и нивните апликации, како и случајните процеси.
Овој курс е совршен за оние кои сакаат основни знаења во науката за податоци. Обезбедува сеопфатна перспектива за веројатните модели. Од основни елементи до случајни процеси и статистички заклучоци. Сето ова е особено корисно за професионалци и студенти. Особено во областа на науката за податоци, инженерството и статистиката.
Пресметувачка веројатност и заклучување (MIT)
Технолошкиот институт во Масачусетс (МИТ) го презентира курсот „Пресметувачка веројатност и заклучување“ на англиски јазик. На програмата, вовед на средно ниво во веројатност за анализа и заклучување. Овој дванаесетнеделен курс, кој бара 4-6 часа учење неделно, е фасцинантно истражување за тоа како веројатноста и заклучоците се користат во области како што се филтрирање спам, навигација со мобилни ботови, па дури и во стратешки игри како Jeopardy и Go.
На овој курс ќе ги научите принципите на веројатност и заклучување и како да ги имплементирате во компјутерски програми кои предизвикуваат несигурност и прават предвидувања. Ќе научите за различни структури на податоци за складирање на дистрибуции на веројатност, како што се веројатносни графички модели и ќе развиете ефикасни алгоритми за расудување со овие структури на податоци.
До крајот на овој курс, ќе знаете како да моделирате проблеми од реалниот свет со веројатност и како да ги користите добиените модели за заклучување. Не треба да имате претходно искуство во веројатноста или заклучоците, но треба да се чувствувате удобно со основното програмирање и пресметка на Python.
Овој курс е вреден ресурс за оние кои сакаат да ги разберат и применат статистичките методи во областа на науката за податоци, обезбедувајќи сеопфатна перспектива за веројатносни модели и статистичко заклучување.
Во срцето на неизвесноста: МИТ ја демистифицира веројатноста
Во курсот „Вовед во веројатност, Дел II: Процеси на заклучување“, Технолошкиот институт во Масачусетс (МИТ) нуди напредно потопување во светот на веројатноста и заклучоците. Овој курс, целосно на англиски јазик, е логично продолжение на првиот дел, нурнувајќи подлабоко во анализата на податоците и науката за неизвесноста.
Во период од шеснаесет недели, со заложба од 6 часа неделно, овој курс ги истражува законите на големите броеви, методите на Баезија за заклучување, класичната статистика и случајните процеси како што се процесите на Поасон и синџирите на Марков. Ова е ригорозно истражување, наменето за оние кои веќе имаат солидна основа по веројатност.
Овој курс се издвојува по својот интуитивен пристап, додека ја одржува математичката строгост. Не само што презентира теореми и докази, туку има за цел да развие длабоко разбирање на концептите преку конкретни апликации. Студентите ќе научат да моделираат сложени феномени и да интерпретираат податоци од реалниот свет.
Идеален за професионалци, истражувачи и студенти од науката за податоци, овој курс нуди единствена перспектива за тоа како веројатноста и заклучоците го обликуваат нашето разбирање за светот. Совршен за оние кои сакаат да го продлабочат своето разбирање за науката за податоци и статистичката анализа.
Аналитичка комбинаторика: Курс во Принстон за дешифрирање сложени структури (Принстон)
Курсот за аналитичка комбинаторика, понуден од Универзитетот Принстон, е фасцинантно истражување на аналитичката комбинаторика, дисциплина која овозможува прецизни квантитативни предвидувања на сложени комбинаторни структури. Овој курс, целосно на англиски јазик, е вреден ресурс за оние кои сакаат да разберат и применат напредни методи во областа на комбинаториката.
Овој курс трае три недели и бара приближно 16 часа вкупно, или приближно 5 часа неделно, овој курс го воведува симболичкиот метод за изведување функционални врски помеѓу обичните, експоненцијалните и мултиваријантните генерирачки функции. Исто така, ги истражува методите на сложена анализа за да изведе прецизна асимптотика од равенките на генерирање функции.
Студентите ќе откријат како аналитичката комбинаторика може да се користи за да се предвидат прецизни количини во големи комбинаторни структури. Тие ќе научат да манипулираат со комбинаторни структури и да користат сложени техники за анализа за да ги анализираат овие структури.
Овој курс е идеален за оние кои сакаат да го продлабочат своето разбирање на комбинаториката и нејзината примена во решавањето сложени проблеми. Тој нуди единствена перспектива за тоа како аналитичката комбинаторика го обликува нашето разбирање за математичките и комбинаторните структури.