Foundations of Uncertainty Quantification for Science and Engineering (bằng tiếng Anh).

Trong kỹ thuật, khoa học, và phân tích dữ liệu, việc dự đoán mà không tính đến sự biến đổi trong thế giới thực có thể dẫn đến sự hỏng hóc nghiêm trọng của hệ thống. Chương trình học dựa trên văn bản này giới thiệu với bạn về Định lượng bất định, một môn học cơ bản về phép đo, phân tích, và giảm sự không chắc chắn trong các hệ thống phức tạp. Bạn sẽ chuyển từ việc đưa ra những giả định xác định đến việc phát triển các mô hình xác suất mạnh mẽ. Bằng cách nghiên cứu xác suốt cơ bản, phân tích nhạy cảm, và các quy trình tính toán hiện đại, bạn sẽ có được kỹ năng để đánh giá rủi ro và cải thiện việc ra quyết định trong bất kỳ dự án kỹ thuật nào. Bạn sẽ học được gì: Hiểu các khái niệm cơ bản của sự không chắc chắn ngẫu nhiên và nhận thức; Ứng dụng lý thuyết xác suất và biến ngẫa để mô hình hóa sự biến đổi thế giới thực; Thực hiện truyền nhiễu không chắc bằng cách sử dụng phương pháp Monte Carlo và công cụ tính toán dựa trên Python hiện đại; Tạo mô hình thay thế cơ bản, bao gồm quá trình Gaussian, để Xác định các hành vi hệ thống phức tạp; Phân tích độ tin cậy của hệ thống và thực hiện phân tích nhạy cảm để xác định các nguồn nguy cơ chính; Tìm hiểu suy luận Bayes cho việc chuẩn hóa mô hình và ước tính tham số. Chương trình bắt đầu với các định nghĩa cốt lõi và các khái niệm toán học cơ bản trước khi hướng dẫn bạn qua các kỹ thuật mô phỏng thực tế, mô hình thay thế, và đánh giá độ tin cậy. Bạn sẽ đọc các lời giải thích cấu trúc và phân tích các đoạn mã được thiết kế để xây dựng niềm tin của bạn từng bước một. Chương trình này được thiết kế cho các kỹ sư mới, các nhà khoa học dữ liệu, và các nhà nghiên cứu đang tìm kiếm một điểm nhập rõ ràng, dễ tiếp cận vào phân tích rủi ro, mà không cần kinh nghiệm trước đó trong định lượng không chắc chắn.