University of Pennsylvania
Principes de base de la modélisation quantitative
University of Pennsylvania

Principes de base de la modélisation quantitative

Ce cours fait partie de plusieurs programmes.

Richard Waterman

Instructeur : Richard Waterman

238 696 déjà inscrits

Inclus avec Coursera Plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(8,991 avis)

7 heures pour terminer
3 semaines à 2 heures par semaine
Planning flexible
Apprenez à votre propre rythme
96%
La plupart des étudiants ont apprécié ce cours
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.6

(8,991 avis)

7 heures pour terminer
3 semaines à 2 heures par semaine
Planning flexible
Apprenez à votre propre rythme
96%
La plupart des étudiants ont apprécié ce cours

Compétences que vous acquerrez

  • Catégorie : Modélisation
  • Catégorie : Régression linéaire
  • Catégorie : Modèles probabilistes
  • Catégorie : Analyse de régression

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

4 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Emplacement réservé

Élaborez votre expertise du sujet

Ce cours est disponible dans le cadre de
Lorsque vous vous inscrivez à ce cours, vous devez également sélectionner un programme spécifique.
  • 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 4 modules dans ce cours

Dans ce module, vous apprendrez comment définir un modèle et comment les modèles sont couramment utilisés. Vous examinerez les principales étapes du processus de modélisation, les quatre fonctions mathématiques clés utilisées dans les modèles et le vocabulaire essentiel utilisé pour décrire les modèles. À la fin de ce module, vous serez en mesure d'identifier les quatre types de modèles les plus courants et de déterminer quand et comment ils doivent être utilisés. Vous serez également en mesure de définir et d'utiliser correctement les termes clés de la modélisation, ce qui vous donnera non seulement une base pour la poursuite de vos études, mais aussi la capacité de poser des questions et de participer à des conversations sur les modèles quantitatifs.

Inclus

7 vidéos1 lecture1 devoir

Ce module présente les modèles linéaires, qui constituent la base de presque toutes les modélisations. Grâce à un examen approfondi des utilisations courantes et à des exemples de modèles linéaires, vous apprendrez à appliquer les modèles linéaires, y compris les fonctions de coût et les fonctions de production, à votre entreprise. Le module comprend également une présentation des processus de croissance et de décroissance en temps discret, de croissance et de décroissance en temps continu, ainsi que les calculs de valeur actuelle et future associés. Les techniques classiques d'optimisation sont abordées. A la fin de ce module, vous serez capable d'identifier et de comprendre la structure clé des modèles linéaires, et de suggérer quand et comment les utiliser pour améliorer les résultats de votre entreprise. Vous serez également en mesure d'effectuer des calculs de valeur actualisée qui sont à la base des mesures d'évaluation. En outre, vous comprendrez comment vous pouvez tirer parti des modèles pour votre entreprise, en utilisant l'optimisation pour affiner et optimiser vos fonctions commerciales

Inclus

6 vidéos1 lecture1 devoir

Ce module explique les modèles probabilistes, qui sont des moyens de capturer le risque dans le processus. Vous devrez utiliser des modèles probabilistes lorsque vous ne connaissez pas toutes vos données d'entrée. Vous examinerez comment les modèles probabilistes intègrent l'incertitude et comment cette incertitude se répercute sur les résultats du modèle. Vous découvrirez également comment la propagation de l'incertitude vous permet de déterminer une fourchette de valeurs pour les prévisions. Vous apprendrez les modèles de risque les plus utilisés, y compris les modèles de régression, les modèles à base d'arbres, les simulations de Monte Carlo et les chaînes de Markov, ainsi que les éléments constitutifs de ces modèles probabilistes, tels que les variables aléatoires, les distributions de probabilité, les variables aléatoires de Bernoulli, les variables aléatoires binomiales, la règle empirique et peut-être la plus importante de toutes les distributions statistiques, la distribution normale, caractérisée par la moyenne et l'écart type. À la fin de ce module, vous serez en mesure de définir un modèle probabiliste, d'identifier et de comprendre les modèles probabilistes les plus couramment utilisés, de connaître les composantes de ces modèles et de déterminer les modèles probabilistes les plus utiles pour capturer et explorer le risque dans votre propre entreprise.

Inclus

12 vidéos1 lecture1 devoir

Ce module explore les modèles de régression, qui vous permettent de partir de données et de découvrir un processus sous-jacent. Les modèles de régression sont les outils clés de l'analyse prédictive et sont également utilisés lorsque vous devez intégrer l'incertitude de manière explicite dans les données sous-jacentes. Vous découvrirez ce que sont les modèles de régression, ce qu'ils peuvent et ne peuvent pas faire, et les questions auxquelles ils peuvent répondre. Vous examinerez la corrélation et l'association linéaire, la méthodologie pour ajuster la meilleure ligne aux données, l'interprétation des coefficients de régression, la régression multiple et la régression logistique. Vous verrez également comment la régression logistique vous permettra d'estimer les probabilités de réussite. À la fin de ce module, vous serez en mesure d'identifier les modèles de régression et leurs composants clés, de comprendre quand ils sont utilisés et de les interpréter afin de pouvoir discuter de votre modèle et de convaincre les autres que votre modèle a du sens, dans le but ultime de le mettre en œuvre.

Inclus

8 vidéos1 lecture1 devoir

Instructeur

Évaluations de l’enseignant
4.7 (1,368 évaluations)
Richard Waterman
University of Pennsylvania
2 Cours239 230 apprenants

Offert par

Recommandé si vous êtes intéressé(e) par L'essentiel pour les entreprises

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.’

Avis des étudiants

4.6

8 991 avis

  • 5 stars

    72,02 %

  • 4 stars

    22,08 %

  • 3 stars

    4,51 %

  • 2 stars

    0,76 %

  • 1 star

    0,61 %

Affichage de 3 sur 8991

HS
4

Révisé le 12 juin 2022

AS
5

Révisé le 20 mars 2020

SB
5

Révisé le 9 avr. 2020

Emplacement réservé

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - 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