Menjadi ahli dalam Pemrograman MATLAB dan Komputasi Ilmiah. Tingkatkan karir Anda di Biologi Fisika Teknik dll.
Apa yang akan Anda pelajari :
- Mulai dari mahir pemrograman MATLAB. Ini adalah * satu-satunya kursus * yang mengembangkan keterampilan pemrograman menengah dan lanjutan.
- Dapatkan pengalaman aplikasi dunia nyata dimana peneliti dan profesional industri menggunakan MATLAB, termasuk pemrosesan sinyal, dekomposisi matriks, analisis spektral, pemasangan model linier dan nonlinear, dan statistik.
- Dapatkan keterampilan untuk memecahkan masalah yang menantang di MATLAB, yang bertentangan dengan menghafal aturan sintaksis.
Persyaratan :
- Komputer dengan MATLAB atau Octave diinstal.
- Banyak orang memiliki akses ke MATLAB melalui sekolah, universitas, atau perusahaan mereka.
- MATLAB juga menawarkan lisensi siswa dan uji coba 30 hari gratis.
- Octave adalah lingkungan komputasi ilmiah lintas platform gratis yang memiliki fungsi yang hampir sama dengan MATLAB.
- Beberapa pengalaman sebelumnya dengan pemrograman MATLAB diinginkan.
- Kursus ini dimulai dari dasar tetapi dibangun dengan cepat ke tingkat pemrograman menengah / lanjutan.
- Pengalaman sebelumnya dengan bahasa pemrograman lain akan bermanfaat tetapi tidak perlu.
Deskripsi :
MATLAB adalah bahasa pemrograman utama komputasi ilmiah di universitas, penelitian, dan industri.
Keahlian pemrograman MATLAB yang sangat baik dapat membuat karier di bidang teknik, fisika, biologi, keuangan, dan banyak bidang lainnya.
Tetapi bagaimana Anda belajar memprogram dalam MATLAB? Tentu, Anda dapat fokus pada keterampilan pengkodean paling dasar, seperti variabel dan cara menulis for-loop.
Itu adalah fondasi penting, tetapi itu tidak akan membuat Anda kompetitif. Jika Anda ingin kompetitif, Anda harus menjadi ahli di pemrograman MATLAB. Dan itulah yang akan Anda pelajari dalam kursus ini.
Kursus ini berbeda dari kursus pemrograman MATLAB lainnya!
Kursus ini dimulai dari perspektif dunia nyata: Masalah dalam ilmu data yang dapat Anda pecahkan dengan MATLAB.
Apakah Anda perlu mempelajari cara memfilter sinyal di MATLAB? Ada bagian untuk itu!
Apakah Anda memiliki rumus yang rumit dan Anda perlu menerjemahkannya ke dalam kode MATLAB dan membuat grafik yang mensimulasikan rumus dengan parameter yang berbeda? Ya, ada bagian tentang itu juga!
Apakah Anda perlu membuat film simulasi 3D yang berubah warna seiring waktu dan kemudian diekspor sebagai file .avi? Kursus ini membahas hal itu juga!
Mungkin Anda ingin mempelajari cara membuat lanskap bertekstur menggunakan matematika fraktal, atau menggunakan SVD untuk menghitung perkiraan peringkat rendah dari matriks data, atau menggunakan metode pencarian nonlinier agar sesuai dengan model Gaussian 3-parameter ke data? Anda dapat menebaknya – semuanya tercakup dalam kursus ini!
Jika Anda ingin mendapatkan kepercayaan diri dalam memecahkan masalah dunia nyata dalam pengkodean MATLAB untuk memajukan studi Anda, penelitian Anda, dan karier Anda dengan mempelajari pemrograman MATLAB dari satu kursus dengan instruksi langsung dari seorang guru, maka kursus ini pasti cocok untuk Anda.
Topik utama yang dibahas.
Hal-hal dasar: loop, fungsi, IO, dll. Keterampilan inti yang Anda butuhkan untuk dapat maju dengan MATLAB.
Topik yang lebih menengah dan lanjutan dalam kursus ini meliputi:
Plotting 2D dan 3D, dan animasi data (film)
Segmentasi seri gambar dan waktu
Kalkulus dan persamaan diferensial
Pembersihan dan analisis deret waktu multivarian dan multivariat
Analisis spektral (Fourier) dan frekuensi waktu
Aljabar linier termasuk eigendekomposisi, ortogonalisasi, dan analisis komponen utama
Menghasilkan gambar fraktal dan seri waktu
Statistik nonparametrik dan pemasangan model nonlinier
Mulailah hari ini!
Tidak ada keraguan bahwa MATLAB adalah bahasa pemrograman utama komputasi ilmiah di universitas, penelitian, dan industri.
Semakin cepat Anda mendaftar untuk kursus ini, semakin cepat Anda dapat memajukan karir Anda di bidang teknik, fisika, biologi, keuangan (atau bidang lain menggunakan MATLAB).
Mengapa tidak memulai hari ini?
Untuk siapa kursus ini :
- Siapa pun yang ingin membangun karir di bidang teknik, fisika, biologi, keuangan, dan banyak bidang lainnya dengan membangun keterampilan pengkodean MATLAB yang unggul
- Siapa pun yang ingin maju untuk benar-benar menjadi ahli dalam pemrograman MATLAB dengan memecahkan masalah nyata dalam komputasi ilmiah
Kurikulum kursus :
- Pengenalan Kursus
- Cara Belajar dari Kursus ini (Cara mendapatkan hasil maksimal dari kursus ini)
- Tahapan Pemrograman Pembelajaran dan Menyelesaikan Proyek (Bagaimana menjadi seorang programmer Ahli)
- Pdf dengan daftar materi kursus dan kata kunci yang lengkap
- Memulai Kursus
- Buat, edit, dan buka skrip (Pelajari tentang skrip MATLAB.)
- Tulis Komentar dalam Garis dan Blok (Pelajari beberapa cara untuk mengomentari kode Anda.)
- Menggunakan MATLAB untuk Anggaran Pribadi (Hitung rata-rata anggaran harian berdasarkan pendapatan / pengeluaran bulanan.)
- Personalisasi Warna MATLAB (Jadikan pengalaman MATLAB Anda penuh warna.)
- Mulai MATLAB dengan Catatan Menarik (Tentukan preferensi untuk memulai.)
- Vector Dan Variable
- Buat Vektor dan Matriks (Buat kolom dan vektor baris, dan matriks.)
- Tidak terpecahkan: Matriks yang Valid dan Tidak Valid (Tentukan apakah kode itu valid)
- Bekerja dengan Teks Karakter dan String (Parsing dan modifikasi teks.)
- Tabel HTML dari Kode MATLAB (Gunakan MATLAB untuk menulis kode html dinamis.)
- Bulatkan pi ke N Angka signifikan (Hitung dan cetak pi ke angka berapa pun.)
- Informasi File / folder Menggunakan Struktur (Gunakan dir dan struktur untuk menanyakan informasi file / folder)
- Pernyataan Perintah
- Buat Matriks Hilbert Menggunakan for-loop. (Gunakan for-loop untuk membuat matriks khusus berdasarkan pada rumus matematika.)
- Belum terpecahkan: Bandingkan dua while Loops (Tentukan perbedaan antara dua loop)
- Buat Matriks Segitiga-Atas (Gunakan untuk-loop dan pernyataan jika untuk membuat matriks segitiga.)
- Timer Hitung Mundur Acak mirip Poisson (Menerapkan penghitung waktu mundur seperti Poisson acak.)
- Tampilkan hari 1 Januari (Hitung hari 1 Januari, setiap tahun)
- Import Dan Eksport Data
- Simpan dan Muat Banyak File (Gunakan loop untuk mengekspor dan mengimpor data tanpa menimpa)
- Impor Data Teks Terformat (Gunakan fgetl untuk mengimpor data dari file teks yang diformat.)
- Impor Data format Excel (Mengimpor data dari file Excel dan mengidentifikasi nilai data yang hilang.)
- Ubah US $ menjadi Euro Menggunakan Info terkini (Impor data dari web untuk mengonversi mata uang.)
- Menerjemahkan Formula Menjadi Kode
- Fungsi dan Pemicu Trig (Hitung dan plot fungsi trigonometri dasar, dan Gaussian)
- Distribusi Laplace dan log-normal (Ubah fungsi distribusi menjadi MATLAB.)
- Bilangan Kompleks dan Formula Euler (Buat bilangan kompleks, terapkan rumus Euler, dan uji hukum eksponen.)
- Fungsi Piecewise (Terapkan formula satu demi satu)
- Fungsi Piecewise dalam satu baris Kode (Menghasilkan fungsi potongan-potongan menggunakan satu baris kode.)
- Fungsi Sigmoid (Menerapkan fungsi sigmoid 3-parameter)
- Belum terpecahkan: Fungsi Sigmoid dan Kesalahan (Parameterkan sigmoid agar terlihat seperti fungsi ERF)
- Nilai p melingkar dan perkiraannya (Menerapkan fungsi yang panjang, dan kemudian perkiraannya.)
- Statistik Diskriptif
- Hitung Ukuran Tendensi Pusat (Terapkan algoritma untuk menghitung mean, median, dan mode)
- Hitung Varians dan Standar Deviasi (Menerapkan algoritma untuk menghitung varians dan standar deviasi)
- Belum terpecahkan: Urutkan Data dari atas ke bawah (Urutkan data numerik)
- Transformasi Data log, sqrt, peringkat (Ubah dataset untuk memiliki distribusi yang berbeda)
- Perencanaan 2D
- Garis (Garis acak; kurva dari garis lurus.)
- Bilah dan bilah galat (Hasilkan data untuk mempelajari tentang bilah dan bilah kesalahan.)
- Dots (Buat scatterplots untuk menampilkan data.)
- Data Multidimensi dengan Penyebaran Berwarna (Gunakan warna untuk data multidimensi pada plot 2D.)
- Belum terpecahkan: imagesc vs pcolor (Tentukan perbedaan antara dua fungsi plot gambar)
- Histogram (Buat histogram distribusi log-normal.)
- Ketidakpastian dalam Uang Masa Depan (Gunakan tambalan untuk memvisualisasikan nilai uang Anda di masa depan.)
- Blend Gambar Menggunakan Transparansi (Gunakan transparansi untuk menggabungkan gambar.)
- Seri Data Susun Vertikal (Lihat data multikanal dalam plot garis tunggal.)
- Matriks Jarak dari Poin yang Dihasilkan (Hitung matriks jarak dari titik yang dihasilkan mouse.)
- Haborogram Marginal Gabor Patch (Buat tambalan Gabor dan tunjukkan distribusi marginalnya)
- Daftar video pemrosesan gambar lainnya dalam kursus ini (Daftar video lain dalam kursus ini yang mencakup pemrosesan gambar.)
- Perencanaan 3D
- Bola Di Dalam Kotak (Gambar 12 tepi kotak, dan letakkan bola di tengah)
- Kotak Berwarna (Hasilkan kubus dari node yang terhubung.)
- Memperluas Wavelet dengan Permukaan (Peta permukaan wavelet)
- Permukaan Gaussian Bertekstur (Permukaan melengkung dengan berbagai tekstur.)
- Bola dalam Ruang Warna 3D (Tentukan dan plot sebuah bola dalam ruang RGB)
- Pesawat dalam R3 Dibentang oleh Dua Vektor (Plot sebuah bidang yang didefinisikan oleh dua vektor 3D.)
- Permukaan Sinc Kompleks (Buat tabel seni modern menggunakan fungsi sinc)
- The Prickly Gabor Patch (Buat tambalan Gabor dan tunjukkan dengan normalnya)
- Segmentasi
- Segmentasi Seri Waktu Berbasis Ambang (Buat tambalan untuk menunjukkan jendela waktu positif dan negatif yang ekstrem.)
- Segmentasi Seri Waktu Berbasis Derivatif (Identifikasi lompatan dalam pasar saham yang disimulasikan.)
- Segmentasi Gambar Berbasis Intensitas (Segmen gambar acak yang diperhalus berdasarkan intensitas relatif.)
- Identifikasi Neuron dalam Irisan Otak Tikus (Segmen citra beresolusi tinggi untuk mengidentifikasi sel-sel otak.)
- Animasi Data
- Bola Apung Acak (Sebuah bola bergerak secara acak di dalam gambar.)
- Kotak Mengejar Mouse (Kotak bergerak ke lokasi klik mouse.)
- Puncak Yang Terwujud Secara Ajaib (Menghidupkan fungsi “puncak” yang terkenal untuk muncul perlahan dan acak.)
- Berlayar Halus (Hasilkan film gelombang di gelombang berdiri.)
- Spektrum Audio Real-time dari Mic (Kumpulkan data mik dan analisis secara real time.)
- Transformasi Möbius (Bagaimana transformasi Mobius meluncur melintasi layar.)
- UFO di Sandcastle (Buat dan hidupkan bola yang bersinar di atas permukaan)
- Antarmuka Pengguna Grafis
- Kotak Dialog untuk Input Pengguna (UI sederhana untuk memasukkan parameter dan menyimpan gambar.)
- Antarmuka untuk Memilih File (Kotak dialog untuk memilih file dan folder.)
- Kotak Input dan Pesan (GUI sederhana untuk mengevaluasi konsumsi cokelat.)
- GUI untuk Membuat Landsekap Acak (Antarmuka pengguna untuk membuat lanskap 3D yang dapat disesuaikan.)
- PANDUAN ke Ruang Parameter Sigmoid (Buat GUI yang membantu memahami parameter sigmoid)
- Fungsi Dan Fungsi Anonim
- Diferensiasi dengan Panjang Yang Sama (Tulis fungsi yang mengembalikan turunan sambil mempertahankan panjang)
- Osilator basah (Buat fungsi anonim untuk menghasilkan osilator teredam)
- Belum terpecahkan: Arcsine basah (Menerapkan fungsi anonim arcsine teredam dan menjelajahi ruang parameternya)
- Temukan dan Ekstrak Core Fungsi (Periksa fungsi median untuk menemukan kode penting, dan letakkan di fungsi terpisah.)
- Fungsi Plotting yang halus dengan Opsi (Terapkan filter perataan rata-rata dan pilih hasilnya secara opsional.)
- Belum terpecahkan: Fungsi Zscore (Tulis fungsi yang menghitung skor z dengan berbagai opsi)
- Temukan, Minimal, Maksimal
- Temukan Titik Terdekat dengan Nilai Tertentu (Temukan nilai spesifik atau paling cocok dalam vektor dan matriks.)
- Belum Terpecahkan: Pemilihan Puncak Manual (Gunakan datacursor untuk menemukan minimum lokal)
- Temukan Ekstrem Negatif dalam Fungsi 2D (Menemukan poin ekstrim tidak semudah yang Anda kira!)
- Belum terpecahkan: Temukan Punggung pada Permukaan 2D (Plot poin di punggung lanskap 2D)
- Temukan Maxima Lokal (Identifikasi maksimal lokal dari fungsi sinc)
- Ganti Piksel Gambar dalam Rentang Intensitas (Ubah warna piksel intensitas menengah)
- Temukan Poin Kliping Sinyal (Tandai titik waktu di mana sinyal terpotong)
- Persamaan Kalkulus Dan Diferensial
- Merencanakan Fungsi Simbolik (Pelajari alat merencanakan simbolis-matematika dasar)
- Batas fungsi (Hitung batas dua fungsi pada titik menarik)
- Derivatif fungsi (Gunakan kotak alat simbolik untuk menghitung turunan dan nilai fungsi)
- Integrasi fungsi (Hitung integral dan integral parsial, secara simbolis dan numerik.)
- Memecahkan Persamaan Diferensial (Pecahkan ODE dan plot hasilnya)
- Membersihkan Deret Waktu Univariat
- Menjalankan Filter Mean (Kurangi kebisingan acak melalui penghalusan.)
- Filter Median Ambang Batas (Hapus kebisingan ekstrim dengan filter median.)
- Belum terpecahkan: semua-poin Filter Median (Temukan nilai data yang hilang dan sisipkan untuk diisi.)
- Interpolasi Poin Waktu Hilang (Median-filter serangkaian waktu di semua titik, bukan hanya titik ekstrim)
- Interpolasi Pencampuran Spektral (Isi data yang hilang berdasarkan pada pencampuran spektral.)
- Pemasangan Polinomial untuk Menghilangkan Drift (Temukan urutan model polinomial yang optimal dan hapus drift lambat dari data.)
- Belum terpecahkan: Pemasangan Polinomial ke Isolate Drifts (Gunakan pemasangan polinomial untuk memisahkan sinyal frekuensi rendah dari noise frekuensi tinggi)
- Belum terpecahkan: Maxima Lokal di Data Bising (Temukan maxima lokal dalam data bising)
- Membersihkan Deret Waktu Multivariat
- Tiga Cara untuk membuat Matriks Kovarian (Pelajari berbagai cara untuk menghitung matriks kovarians)
- Tolak Data Berdasarkan Extreme Covariance (Gunakan jarak kovarian untuk mengidentifikasi dan menghapus data artefak)
- Efek dari Rata-rata pada Matriks Kovarian (Bandingkan berbagai cara komputasi matriks kovarian untuk data “fase-terkunci” dan “non-fase-terkunci”)
- Mensimulasikan Tri-Component Data-Space Time (Gabungkan model maju dari sinus, Gaussian, dan kemiringan linier untuk menciptakan pola spasial temporal)
- Belum terpecahkan: Data Tri-komponen tanpa Loop (Mereproduksi dataset multivariat tanpa for-loop.)
- Interpolasi Saluran Tunggal Berbasis-Ruang (Merusak piksel acak dalam data ruang-waktu, dan merekonstruksi menggunakan interpolasi spasial)
- Perataan Spasial pada Grid Saluran. (Tambahkan noise acak ke data ruang-waktu dan hapus menggunakan konvolusi spasial.)
- Penajaman Spasial melalui Laplacian (Terapkan operator Laplacian untuk mempertajam dataset ruang-waktu)
- Analisis Deret Waktu
- Lilitan (Lancar serangkaian waktu melalui konvolusi dengan Gaussian.)
- High-pass Filter menggunakan FIR Filter (High-pass filter serangkaian waktu untuk menghilangkan tren yang lambat.)
- Filter pita sempit melalui Frekuensi-Domain Gaussian (Terapkan filter narrowband ke noise broadband melalui konvolusi melingkar.)
- Filter Kausal vs. Nol-Fase-Shift (Lihat perbedaan antara filter kausal dan acausal.)
- Line Noise Notch Filter (Gunakan filter FIR untuk menghilangkan derau saluran listrik.)
- Hitung Amplop Di Atas Puncaknya, Sinyal Bising (Gunakan deteksi puncak otomatis untuk menginterpolasi nilai maksimum.)
- Frekuensi-domain Mean Filter (Tunjukkan bahwa filter running-mean dapat diimplementasikan (lebih cepat) dalam domain frekuensi.)
- Buat “kicauan” (Sinyal FM) (Buat sinyal dengan frekuensi yang bervariasi waktu dan hitung frekuensi sesaat.)
- Analisis Fluktuasi yang Ditolak (Hitung DFA (mirip dengan eksponen Hurst) dari berbagai noise berwarna.)
- Analisis Spektral
- Buat Seri Waktu Multispektral (Sinyal umum dengan beberapa komponen sinusoidal)
- Power Spectrum dari FFT dan Metode Welch (Hitung spektrum daya sinyal multispektral menggunakan dua metode)
- Spectrogram Panggilan Burung (Tampilkan respons frekuensi waktu dari panggilan burung)
- Seri Waktu Narrowband Perebutan Fase (Hasilkan data acak narrowband, lalu lihat apa yang terjadi ketika Anda mengacak fase.)
- Hilbert Transform (Terapkan transformasi Hilbert)
- Osilasi dalam Rekaman Otak Manusia (Sesuaikan kode yang ada untuk melihat fitur spektral aktivitas otak listrik manusia.)
- Analisis Frekuensi Waktu melalui Konvolusi Wavelet (Ekstrak daya frekuensi-waktu menggunakan konvolusi wavelet Morlet yang kompleks.)
- Belum terpecahkan: Analisis frekuensi-waktu dari Sinyal Terinterpolasi (Menerapkan analisis frekuensi waktu dari rangkaian waktu rusak yang disaring secara spektral.)
- Analisis Matriks
- Empat Cara Menghitung Produk Dot (Menerapkan produk titik dalam empat cara berbeda.)
- Belum terpecahkan: Plot Vektor dan Hitung Panjang (Plot vektor dalam 2D dan 3D dan hitung serta laporkan panjang vektornya)
- Hermitian vs. Reguler Transose (Pelajari perbedaan antara transit Hermitian dan reguler, dan mengapa Hermitian diperlukan.)
- Buat Matriks Simetris: Aditif (Buat simetris dari matriks persegi asimetris.)
- Buat Square Symmetric Matrix: Multiplicative (Lipat gandakan matriks segi empat dengan transposnya untuk mendapatkan matriks simetris persegi.)
- Matriks MxM dengan Peringkat M-1 (Pelajari tentang peringkat matriks dan buat matriks peringkat-rendah.)
- Matriks MxN dengan Peringkat r melalui SVD (Gunakan dekomposisi matriks untuk membuat perkiraan peringkat yang lebih rendah dari sebuah matriks.)
- Buat Matriks Hankel Acak (Dua cara untuk membuat matriks Hankel dari vektor acak.)
- Belum terpecahkan: Matriks Elemen-bijaksana dengan Fungsi Mod (Temukan algoritma alternatif untuk membuat matriks Hankel menggunakan pengindeksan matriks.)
- Belum terpecahkan: Buat Matriks Toeplitz (Ulangi proyek matriks Hankel tetapi dengan matriks Toeplitz)
- Vektor Eigen dari Matriks Hankel (Jelajahi sifat ritmis vektor eigen dari matriks Hankel.)
- Hitung Satuan Vektor dalam Beberapa Arah (Skala vektor ke panjang = 1 untuk mendapatkan vektor satuan)
- Orthogonalize Sepasang Vektor (Menguraikan vektor menjadi komponen paralel dan ortogonal, relatif terhadap beberapa vektor lainnya.)
- Algoritma Gram-Schmidt (Buat matriks ortogonal menggunakan algoritma Gram-Schmidt)
- Pembalikan Matriks melalui Penguraian QR (Gunakan dekomposisi QR untuk menghitung kebalikan dari sebuah matriks.)
- Visualisasikan bentuk Quadratic dari Matriks 2×2 (Hitung dan buat permukaan bentuk kuadrat dari matriks 2×2.)
- Vektor Eigen dan Bentuk Kuadrat (Hitung dan plot vektor eigen dari sebuah matriks, dan tampilkan di atas bentuk kuadratik)
- PCA Data Ruang-Waktu Tingkat Rendah (Hasilkan data 3D dan lakukan analisis komponen utama)
- Regularisasi Penyusutan Kovarian di PCA (Jelajahi efek penyusutan nilai eigen dan vektor eigen)
- Distribusi Dan Analisis Melingkar
- Gambar Vektor di Pesawat Kutub (Plot vektor kompleks menggunakan format persegi panjang dan kutub.)
- Histogram Edaran (Hasilkan histogram distribusi sudut fase seragam dan menggembung.)
- Hitung dan Plot Berarti Panjang Vektor (Hitung rata-rata satu set vektor satuan.)
- Perbedaan Fase Antara Dua Distribusi (Ekstrak sudut fase dari dua sinyal, dan hitung varians dari perbedaan sudut fase.)
- Seri Dan Gambar Waktu Fraktal
- Segitiga Sierpinski (Buat segitiga Sierpinski dan uji parameter algoritma.)
- Belum terpecahkan: Sierpinski Triangle sebagai Dense Matrix (Ubah indeks XY menjadi matriks penuh.)
- Gerak Brown (Tampilkan gerakan Brown (berjalan acak) dalam domain waktu dan frekuensi.)
- Set Cantor dan Tangga Devil (Hitung perangkat Cantor dan tangga Devil yang menyertainya)
- Belum terpecahkan: Inisialisasi Cantor Set (Ulangi set Penyaji dengan pengindeksan bukannya penggabungan.)
- Set Mandelbrot (Buat “peta kuadrat,” yang mengarah ke bunga fraktal yang terkenal.)
- Fungsi Weierstrass (Jelajahi anggota keluarga fungsi Weierstrass.)
- Lingkaran dan Gelembung Fraktal (Buat lingkaran dan gelembung dengan jari-jari yang diambil dari distribusi skala bebas)
- Statistik Neoparametrik
- Tes Peringkat Wilcoxon (Simulasikan data dan terapkan tes Wilcoxon)
- Ruang 2D Ukuran Efek Wilcoxon (Jelajahi ruang rata-rata deviasi ukuran efek Wilcoxon)
- Divergensi Dua Distribusi KL (Hitung dua kepadatan probabilitas dan perbedaan KL di antara mereka.)
- Ruang 2D Divergensi KL (Hasilkan spasi jarak KL berdasarkan parameter distribusi.)
- Pengujian Permutasi (Gunakan pengujian permutasi untuk menentukan apakah dua distribusi berbeda secara signifikan.)
- Bootstrap untuk Interval Keyakinan (Hitung interval kepercayaan 95% di sekitar rata-rata distribusi)
- Belum terpecahkan: Median Bootstrap (Buat fungsi yang kompleks, bagi distribusi menjadi tiga kelompok, dan hitung median untuk setiap subkelompok.)
- Pemasangan Model Nonlinear
- Temukan Fungsi Minimum (Pelajari cara menggunakan fminsearch dan fminbnd untuk menemukan minimum fungsi anonim.)
- Pas Gaussian ke Distribusi (Hasilkan data Gaussian yang berisik, dan temukan parameter yang membuat model paling sesuai dengan data.)
- Regresi Linier Dua potong (Hasilkan data acak yang diambil dari distribusi segitiga, dan kemudian potong regresi linear dua potong untuk data.)
- Pasang Gelombang Sinus (Gunakan beberapa metode pencarian nonlinier untuk mengidentifikasi tiga parameter gelombang sinus dari kurva sinus yang diberikan.)
- Pasangkan Lingkaran ke Cincin Bising (Paskan cincin ke lingkaran dan oval yang bising.)
- Bahan Untuk Latihan
- Kode Sumber
- SEMUA materi MATLAB untuk seluruh kursus dalam satu file zip
- Selesai
