توضیحات
Simulation Modeling for Data Science with Python and AI دوره آموزشی نحوه استفاده از تکنیکهای شبیهسازی، برنامهنویسی پایتون و هوش مصنوعی را برای مدلسازی و تحلیل سیستمهای پیچیده می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. این دوره که برای دانشمندان داده، توسعهدهندگان پایتون، مهندسان، محققان و متخصصان مشتاق هوش مصنوعی طراحی شده است، بررسی میکند که چگونه میتوان از شبیهسازی برای درک رفتار سیستم، سناریوهای آزمایش، تخمین نتایج و پشتیبانی از تصمیمگیری مبتنی بر داده استفاده کرد. فراگیران با احتمال، متغیرهای تصادفی، توزیعهای آماری، شبیهسازی مونت کارلو، مدلسازی رویدادهای گسسته، تحلیل دادهها و گردشهای کاری شبیهسازی با کمک هوش مصنوعی کار خواهند کرد.
در این دوره آموزشی ارزشمند به جای یادگیری الگوها از گذشته، ما نحوه عملکرد خود سیستم را مدلسازی میکنیم و سپس هزاران سناریوی ممکن را اجرا میکنیم تا طیف وسیعی از نتایج ممکن را درک کنیم. مدلسازی شبیهسازی، تجزیه و تحلیل و یادگیری ماشینی را که از قبل میدانید، تکمیل میکند و این به شما امکان میدهد به سؤالات مربوط به موقعیتهای جدید پاسخ دهید. اگر میتوانید پایتون بخوانید و تا به حال تحلیلی ارائه دادهاید، پیشنیازها را دارید. شما کد را از ابتدا نخواهید نوشت، اما پارامترهای مدلسازی را انتخاب خواهید کرد، کد تولید شده را با استفاده از تکنیکهای ساختاریافته اعتبارسنجی میکنید و نتایج را به گونهای منتقل میکنید که مدیران و مجریان بتوانند بر اساس آنها عمل کنند.
آنچه در دوره Simulation Modeling for Data Science with Python and AI یاد خواهید گرفت:
- استفاده از یک روند کاری هوش مصنوعی مبتنی بر مشخصات (spec-first): نوشتن یک مشخصات ساختاریافته از مدل، تولید کد پایتون کاربردی با Claude یا ChatGPT، و بهبود تدریجی بدون نیاز به کدنویسی از صفر
- پاسخ به سؤالات واقعی کسبوکار در شرایط عدم قطعیت، از ذخایر سرمایه تا برنامهریزی نیروی انسانی و راهاندازی محصول، با مدلهایی که خودتان میسازید
- اعتبارسنجی کد تولیدشده توسط هوش مصنوعی در سه لایه (خواندن، assert کردن، تست فشار) تا بتوانید نتایج خود را برای ذینفعان شکاک توجیه کنید
- اجرای سناریوهای فرضی (what-if) که تحلیل داده و یادگیری ماشین از عهدهی آن برنمیآیند: شبیهسازی آیندههایی بدون سابقهی تاریخی و گزارش آنها با فاصلههای اطمینان
- ساخت یک مدل ریسک پرتفوی وام مبتنی بر Monte Carlo با نکولهای همبسته، اهرمهای سیاستی و سناریوهای فشار رکود اقتصادی
- ساخت یک مدل جریان بیمار کلینیک مبتنی بر رویداد گسسته (discrete-event) با ورودیهای واقعگرایانه، نیروی انسانی حساس به اوج تقاضا و داشبورد مدیر عملیات
- انتخاب پارادایم مناسب برای یک مسئلهی جدید (Monte Carlo، رویداد گسسته، پویایی سیستم، مبتنی بر عامل) و توزیع مناسب برای هر ورودی نامطمئن
- انتقال نتایج شبیهسازی در یک گزارش یکصفحهای که اعتماد لازم برای اقدام بر اساس مدل را جلب میکند
- و …
مشخصات دوره
ناشر: یودمی
مدرس: Dan Sullivan
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 59
مدت زمان آموزش: 4 ساعت و 57 دقیقه
سرفصل های دوره
پیش نیازهای دوره Simulation Modeling for Data Science with Python and AI
No programming or statistics background required. You’ll read and verify code rather than write it, and every math concept is taught picture-first, with no calculus needed.
A free account with an AI chat assistant such as Claude or ChatGPT, for generating code from your specs.
A web browser. Labs run in Udemy’s built-in Jupyter environment, so there’s nothing to install; the final section covers optional local setup.
تصاویر دوره
فیلم معرفی دوره Simulation Modeling for Data Science with Python and AI
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
1.8 گیگابایت
