พื้นฐานของความน่าจะเป็นแบบไม่ต่อเนื่องและวิธีเชิงความน่าจะเป็น (Probabilistic Method)

ทฤษฎีความน่าจะเป็นเปรียบเสมือนกระดูกสันหลังทางคณิตศาสตร์สำหรับอัลกอริทึมแบบสุ่ม โครงสร้างข้อมูล และวิทยาการคอมพิวเตอร์เชิงทฤษฎียุคใหม่ คอร์สเรียนรูปแบบข้อความนี้จะนำคุณไปสู่หลักการความน่าจะเป็นที่เป็นรากฐานและวิธีเชิงความน่าจะเป็น โดยสอนให้คุณรู้วิธีวิเคราะห์ระบบแบบไม่ต่อเนื่องและสร้างการพิสูจน์ที่รัดกุม คุณจะสร้างความมั่นใจในการทำงานกับตัวแปรสุ่ม ค่าคาดหวัง และอสมการพื้นฐานที่ใช้ในคณิตศาสตร์ไม่ต่อเนื่องและการออกแบบอัลกอริทึม สิ่งที่คุณจะได้เรียนรู้: - เข้าใจสเปซความน่าจะเป็นพื้นฐาน เหตุการณ์ และสัจพจน์ที่สำคัญ - ประยุกต์ใช้ภาวะเชิงเส้นของค่าคาดหวังเพื่อลดความซับซ้อนในการคำนวณทางคอมบิเนทอริกซ์ - ใช้อสมการของ Markov และขอบเขตเชิงความน่าจะเป็นเพื่อวิเคราะห์พฤติกรรมของอัลกอริทึม - เชี่ยวชาญวิธีเชิงความน่าจะเป็นเพื่อพิสูจน์การมีอยู่ของวัตถุทางคอมบิเนทอริกซ์ - สำรวจการประยุกต์ใช้แบบคลาสสิกในตรรกศาสตร์บูลีน ความซับซ้อนของวงจร และปัญหาการตอบสนองได้เงื่อนไข (satisfiability) - ฝึกฝนการสร้างการพิสูจน์ทางคณิตศาสตร์อย่างเป็นทางการผ่านแบบฝึกหัดการเขียนที่มีโครงสร้าง เนื้อหาจะเริ่มต้นด้วยคำศัพท์หลักและคำนิยามพื้นฐาน ก่อนที่จะขยับไปสู่ค่าคาดหวัง เทคนิคการหาขอบเขตเชิงความน่าจะเป็น และการประยุกต์ใช้ทางคอมบิเนทอริกซ์ในเชิงปฏิบัติ คอร์สนี้สร้างขึ้นสำหรับผู้เริ่มต้นในคณิตศาสตร์ไม่ต่อเนื่องและทฤษฎีวิทยาการคอมพิวเตอร์ ไม่จำเป็นต้องมีพื้นฐานระดับสูงในเรื่องความน่าจะเป็นเพื่อเริ่มต้น เริ่มอ่านเพื่อพัฒนาเครื่องมือทางคณิตศาสตร์ของคุณและเชี่ยวชาญวิธีเชิงความน่าจะเป็น