คำอธิบาย
วิธีการเชิงคอมพิวเตอร์ที่ใช้ในการวิเคราะห์ข้อมูลเชิงทดลอง บทนำสู่ความน่าจะเป็นและตัวแปรสุ่ม วิธีมอนติคาร์โลสำหรับการจำลองกระบวนการสุ่ม วิธีสถิติสำหรับการประมาณพารามิเตอร์และการทดสอบสมมติฐาน ช่วงความเชื่อมั่น การจัดจำแนกข้อมูลพหุคงาม วิธีการเปิดผล ตัวอย่างที่ยกมาส่วนใหญ่จากฟิสิกส์อนุภาคและฟิสิกส์การแพทย์.
รายวิชาก่อนหน้า
- วิชาก่อนความรู้ที่ต้องมี: ความสามารถในการเขียนโปรแกรมด้วย Python, Java, C, หรือ C++ และได้รับอนุญาตจากภาควิชา.
เงื่อนไขและข้อกำหนด
- วิชาก่อนความรู้ที่ต้องมี: ความสามารถในการเขียนโปรแกรมด้วย Python, Java, C, หรือ C++ และได้รับอนุญาตจากภาควิชา.
- มีการสอนในระดับปริญญาตรีด้วย โดยมีข้อกำหนดแตกต่างกัน ในฐานะ PHYS 4807 ซึ่งห้ามได้รับหน่วยกิตเพิ่มเติม.
ข้อความอ้างอิงในภาษาต้นฉบับ
Computational methods used in analysis of experimental data. Introduction to probability and random variables. Monte Carlo methods for simulation of random processes. Statistical methods for parameter estimation and hypothesis tests. Confidence intervals. Multivariate data classification. Unfolding methods. Examples taken primarily from particle and medical physics.
- Prerequisite(s): an ability to program in Python, Java, C, or C+ +, and permission of the Department.
- Also offered at the undergraduate level, with different requirements, as PHYS 4807 , for which additional credit is precluded.
แหล่งที่มาและอ้างอิง
วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด
แหล่งอ้างอิง : https://calendar.carleton.ca/grad/courses/PHYS/