Stichting voor Wetenschap en Techniek (SWT)

In de techniek, wetenschap en data-analyse, het maken van voorspellingen zonder rekening te houden met de real-world variabiliteit kan leiden tot kritieke systeemstoringen.Deze tekst gebaseerde cursus maakt u kennis met onzekerheid kwantificatie, de essentiële discipline van wiskundig meten, analyseren en het verminderen van onzekenheid in complexe systemen. Je gaat van het maken van deterministische aannames naar het ontwikkelen van robuuste, probabilistische modellen.Door het bestuderen van fundamentele waarschijnlijkheid, gevoeligheidsanalyse en moderne computationele workflows, krijg je de vaardigheden om risico's te evalueren en de besluitvorming in elk technisch project te verbeteren. Wat je leert: Begrijp de fundamentele concepten van aleatorische en epistemische onzekerheid; Pas kansrekening en willekeurige variabelen toe om de variabiliteit in de echte wereld te modelleren; Voer onzekerheidspropagatie uit met behulp van Monte Carlo-methoden en moderne op Python gebaseerde rekenhulpmiddelen; Bouw basissurrogaatmodellen, inclusief Gaussiaanse processen, om de Analyseer de betrouwbaarheid van het systeem en voer gevoeligheidsanalyse uit om belangrijke bronnen van risico te identificeren; Verken Bayesiaanse inferentie voor modelkalibratie en parameterschatting. De cursus begint met kerndefinities en essentiële wiskundige concepten voordat u door praktische simulatietechnieken, surrogaatmodellering en betrouwbaarheidsbeoordelingen wordt geleid.U leest gestructureerde uitleg en analyseert codefragmenten die zijn ontworpen om uw vertrouwen stap voor stap op te bouwen. Deze cursus is bedoeld voor beginnende ingenieurs, datawetenschappers en onderzoekers die op zoek zijn naar een duidelijk, toegankelijk instappunt in risicoanalyse, zonder dat er eerdere ervaring met onzekerheidskwantificatie vereist is.Start vandaag nog met lezen om betrouwbaardere, veerkrachtigere modellen te bouwen.