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

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.
Johns Hopkins University

Data Science Decisions in Time: Information Theory & Games

Thomas Woolf

Instructeur : Thomas Woolf

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

24 heures pour terminer
3 semaines à 8 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Intermédiaire

Expérience recommandée

24 heures pour terminer
3 semaines à 8 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Compétences que vous acquerrez

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

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Récemment mis à jour !

août 2024

Évaluations

11 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation Data Science Decisions in Time
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable
Emplacement réservé
Emplacement réservé

Obtenez un certificat professionnel

Ajoutez cette qualification à votre profil LinkedIn ou à votre CV

Partagez-le sur les réseaux sociaux et dans votre évaluation de performance

Emplacement réservé

Il y a 6 modules dans ce cours

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.

Inclus

3 vidéos1 lecture2 devoirs

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.

Inclus

4 vidéos1 lecture2 devoirs

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.

Inclus

3 vidéos1 lecture2 devoirs

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.

Inclus

3 vidéos1 lecture2 devoirs

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.

Inclus

3 vidéos1 lecture2 devoirs

Inclus

1 devoir

Instructeur

Thomas Woolf
Johns Hopkins University
4 Cours384 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par Probability and Statistics

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions