Coursera: Model Thinking

\"\"

Два месяца назад я взял свой первый класс на курсере: model thinking.

Model Thinking организован University of Michigan. Лектор – проф. Scott E. Page

Курс направлен на то, чтоб лучше понимать мир вокруг, размышлять более открыто, уметь собирать и обрабатывать данные для принятия разумных решений.

Для меня это был новый опыт: я раньше проходил онлайн курсы, но никогда не учавствовал в таком формате. Еженедельно открываются новые видео лекции (коих в сумме было 20 секций, в каждой в среднем по 4-5 кусочка по 10минут). После просмотра лекций нужно сдавать quiz. Причем в срок – иначе баллы будут дисконтироваться. Опаздал на 1 сутки – получай на 10% меньше. Давалось три попытки, если хочется передалать quiz, чтоб получить больший бал.

В этом курсе было 2 экзамена – это те же самые quiz, но без подсказок.

По всем активностям суммируется количество набранных баллов. Нужно набрать минимум 50% по экзаменам и 50% задачам. В случае исполнения этого условия выдаётся сертификат.

К моему большому удивлению уровень задачек оказался заметно меньше, чем давалось информации в видеолекциях. По ощущениям достаточно было понять 30% от лекций чтоб сдать тест на минимум.

К слову о понимании. Это первый опыт, в котором достаточно долго внимал английскую речь (исключая множество подкастов и коротких роликов). К своей радости заметил что уже через 3-4 минуты полностью перестаиваешься на восприятие английского и совсем не задумываешсья о произнесённых фразах – только о смысле(в котором довольно много логики и математики). Scott говорит достаточно быстро, но понятно. Как минимум смысл понятен.

\"\"

О содержании

Лектор объясняет каждую новую модель полностью или частично ссылаясь на предыдущие, показывает различия и разницу в применении. Поэтому важно проходить лекции с самого начала.

Список лекций:

1. Why Model?
2. Sorting and Peer Effects
3. Aggregation
4. Decision Models
5. Thinking Electrons
6. Linear Models
7. Tipping Points
8. Economic Growth
9. Diversity and Innovation
10. Markov Processes
11. Lyapunov Functions
12. Coordination and Culture
13. Path Dependence
14. Networks
15. Randomness and Random Walks
16. The Colonel Blotto Game
17. The Prisoners\’ Dilemma and Collective Action
18. Auctions
19. Replicator Dynamics
20. Diversity and Prediction

По ходу прослушивания лекции всплывают небольшие задачки, которые никак не засчитываются в результирующие баллы, но дают возможность проверить себя по только что услышанному материалу, позволяют держать в тонусе – не дают вниманию расплыться

Интересные темы

Выделю несколько интересных лично мне тем + краткое описание чего узнал или что удивило

2. Sorting and Peer Effects

По сути математическая модель критической массы. Сколько людей с одинаковой чертой нужно собрать вместе чтоб образовывалось сообщество дальше самостоятельно? Когда рост сообщества прекратится. Сегрегация по критериям.

3. Aggregation

Нормальное распределение, Game of life, 6σ (six sigma). Особенно поразила 6σ – если осмотреться вокруг можно кучу всего под это подвести.

6. Linear Models

R2 – интересный инструмент для анализа чисел, выделения категорий. Вероятно что-то было в университете, но как то не осталось в голове. Идея в том, что если есть некоторый набор значений, пусть характеристик, его можно возвести в квадрат чтоб получить большие числа. Благодаря этому получается больший разброс значений, можно выделить категории без шума.

10. Markov Processes, 11. Lyapunov Functions

Интересные способы превращения большого числа процессов в математическую модель для последующего анализа. В случае с Markov processes (не смог придумать как перевести) мы имеем набор состояний с вероятностью перехода из одного в другое. С фунциями Ляпунова мы имеем систему которая стремится к какому-либо значению, каждый шаг приблежения всегда меньше предыдущего. Рано или поздно такая система придёт в равновесие.

15. Randomness and Random Walks

Сразу напомнило картинку: как стартапы ищут рынок пытаясь выбирать различные векторы. Также интересная формула связи удачи и опыта Outcome = a×Luck + (1-a)×Skill, где a – неопытность, равна [0,1]. Опытный – 1. Просто гениально.

16. The Colonel Blotto Game, 17. The Prisoners\’ Dilemma and Collective Action

Модель построенная на основе игры Colonel Blotto которая хорошо показывает формализирует модель захвата и охраны чего-бы то небыло: захват рынка, нападение или защита страны, устройство на работу. The Prisoners\’ Dilemma продолжает тему и посути приводит к расчёту эффекта от сотрудничества или соперничества.

Statement of Accomplishment

\"\"

Thank you Professor Page!

  • Константин Митриченко

    Поздравляю! И спасибо за пост, интересно. Надо себя тоже прокачивать.

    • ruX

      Спасибо :)
      Скоро напишу про курс “введение в поведенческую экономику”

  • Антон Уральский