Eh bien, je suis ingénieur de jour. Bien que la plupart de mon travail tourne autour de la modélisation, nous faisons généralement des trucs assez basiques. Un modèle «avancé» serait une simulation de monte carlo validée à l'aide de tests R2.
Actuellement, dans mon domaine, il y a beaucoup de recherches utilisant l'analyse logistique et bayésienne.
Ma question est, quels cours recommanderiez-vous à quelqu'un de suivre sur le site de cours ouvert du MIT ou sur tout autre site, pour quelqu'un qui apprend le mieux par vidéo / audio en premier et en lisant ensuite?
Ce que j'aimerais apprendre sont les suivants:
- Être capable de comprendre les modèles et quand les utiliser
- capable de recueillir des données sur le terrain (qui sont générées une fois et ne peuvent pas être régénérées) et de concevoir et d'effectuer des expériences
- Capable de comprendre les résultats, de les regarder et de déterminer si quelque chose ne va pas, "montrer le bouchon" ou les "valeurs aberrantes", ou si tout va bien et dandy
- Être en mesure de valider et d'étalonner le modèle, aux résultats réels "tels que construits"
- Être capable de prévoir les résultats en utilisant une analyse de sensibilité appropriée
- être capable de prévoir / "brancher" les données manquantes
- être capable de rédiger des articles de journaux liés à mon domaine
mon domaine en un mot est: la modélisation de la demande de transport pour les véhicules de tourisme, en utilisant soit le modèle générique en quatre étapes, soit des modèles d'activité socio-économique / basés sur les circuits tels que PECAS ou urbansim