Johns Hopkins University
Data Science Decisions in Time: Information Theory & Games

Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Johns Hopkins University

Data Science Decisions in Time: Information Theory & Games

Thomas Woolf

Dozent: Thomas Woolf

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

Es dauert 24 Stunden
3 Wochen bei 8 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

Es dauert 24 Stunden
3 Wochen bei 8 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: A:B testing
  • Kategorie: Adaptive Game Play
  • Kategorie: Information Theory
  • Kategorie: Zero Sum Games

Wichtige Details

Erwerben Sie ein Karrierezertifikat.

Zu Ihrem LinkedIn-Profil hinzufügen

Kürzlich aktualisiert!

August 2024

Bewertungen

11 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Data Science Decisions in Time
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 6 Module

How should a control be adjusted to best achieve a desired outcome? We introduce the SFPark problem, a real parking management approach being used in SF. The question that we want to understand, via sequential methods and games, is how best to set the prices for spaces, dynamically during the day, to encourage a particular (say 15%) free space availability. The game is between the consumers (looking for parking) and the city (trying to optimize space, reducing those cruising for spaces and encouraging those coming for a meal or for shopping to have a parking space). This is a sequential decision problem that can also be described as a game.

Das ist alles enthalten

3 Videos1 Lektüre2 Aufgaben

Decision making as a shared endeavor rapidly extends game theory into many real world situations and helps us to see how these ideas can be applied to problems that impact all of us. We start with a discussion about water resources and their allocation. This then is tied back to how we think about the classic problem of the prisoner's dilemma.

Das ist alles enthalten

4 Videos1 Lektüre2 Aufgaben

For many real-world settings we are not fully cooperative and may even be playing a game with antagonistic opponents. Understanding an optimal strategy for these settings means paying attention to the moves possible from the opponent and what they mean for your own optimal actions. We start with considerations of cybersecurity and then move into the classic Centipede Game.

Das ist alles enthalten

3 Videos1 Lektüre2 Aufgaben

The game of Diplomacy is a challenge due to the many combinatorial options that can flow from a set of decisions. The game can be quite complex to play and also provides an excellent training ground for computer algorithms. In this part of the course we look at the general nature of complex social interactions and the models for game play that can be used to define optimal policies.

Das ist alles enthalten

3 Videos1 Lektüre2 Aufgaben

In this fifth module we aim to generalize from our study of games as objects in their own right to algorithms and informational settings where the ideas from game theory can inspire new insights and ways to see into large and diverse datasets. We start with a common clinical problem: how to classify a radiological image. As we think about the challenges of this setting, including extracting and seeing the relevant features, we set the frame for our goals with this fifth week. In particular, how can we find the most important, and ideally invariant, features that best describe our problem and that can be used for making decisions.

Das ist alles enthalten

3 Videos1 Lektüre2 Aufgaben

Das ist alles enthalten

1 Aufgabe

Dozent

Thomas Woolf
Johns Hopkins University
4 Kurse380 Lernende

von

Empfohlen, wenn Sie sich für Probability and Statistics interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen