Modelado de simulación práctico con Python - Segunda edición: Desarrolle modelos de simulación para mejorar la eficiencia y la precisión en el proceso de toma de decisiones.

Opiniones de los lectores

El libro es una guía completa para el modelado de simulación estadística utilizando Python, que cubre los conceptos fundamentales, diversos métodos de simulación y aplicaciones prácticas. Hace hincapié en un enfoque práctico con ejemplos de codificación, por lo que es un recurso útil para los científicos de datos, ingenieros y profesionales interesados en simulaciones computacionales.

⬤ Visión única y amplia del modelado de simulación
⬤ explicaciones detalladas de las simulaciones Monte Carlo y Markov Chain
⬤ ejercicios prácticos de codificación con Python
⬤ buena cobertura fundacional de la simulación numérica
⬤ útil para diversos campos de la ingeniería
⬤ sólidas credenciales del autor.

Carece de cobertura del paquete Simpy para simulaciones de eventos discretos, que es una herramienta común entre los científicos de datos; asume cierta familiaridad básica con Python, lo que puede ser una barrera para los principiantes.

(basado en 5 opiniones de lectores)

Título original:

Hands-On Simulation Modeling with Python - Second Edition: Develop simulation models for improved efficiency and precision in the decision-making proc

Contenido del libro:

Aprenda a construir modelos de simulación de última generación con Python y mejore sus habilidades de modelado de simulación, así como a crear y analizar prototipos digitales de modelos físicos con facilidad.

Características principales:

⬤ Comprender varias simulaciones estadísticas y físicas para mejorar los sistemas utilizando Python.

⬤ Aprenda a crear el prototipo numérico de un modelo real utilizando ejemplos prácticos.

⬤ Evaluar el rendimiento y los resultados de salida basados en cómo funcionaría el prototipo en el mundo real.

Descripción del libro

La modelización por simulación es un método de exploración que pretende imitar sistemas físicos en un entorno virtual y obtener de él inferencias estadísticas útiles. La capacidad de analizar el modelo mientras se ejecuta diferencia el modelado por simulación de otros métodos utilizados en los análisis convencionales. Este libro es su guía completa y práctica para comprender diversas simulaciones estadísticas computacionales utilizando Python.

El libro comienza ayudándole a familiarizarse con los conceptos fundamentales del modelado de simulación, que le permitirán comprender los diversos métodos y técnicas necesarios para explorar temas complejos. Los científicos de datos que trabajan con modelos de simulación podrán poner en práctica sus conocimientos con esta guía práctica. A medida que avance, profundizará en los algoritmos de simulación numérica, incluida una visión general de las aplicaciones relevantes, con la ayuda de casos de uso del mundo real y ejemplos prácticos. También descubrirá cómo utilizar Python para desarrollar modelos de simulación y cómo utilizar varios paquetes de Python. Por último, se familiarizará con diversos algoritmos y conceptos de simulación numérica, como los procesos de decisión de Markov, los métodos de Monte Carlo y las técnicas de bootstrapping.

Al final de este libro, habrá aprendido a construir e implementar sus propios modelos de simulación para superar retos del mundo real.

Lo que aprenderá

⬤ Comprender el concepto de aleatoriedad y el proceso de generación de datos.

⬤ Profundizar en los métodos de remuestreo.

⬤ Descubrir cómo trabajar con simulaciones Monte Carlo.

⬤ Utilizar simulaciones para mejorar u optimizar sistemas.

⬤ Descubrir cómo ejecutar simulaciones eficientes para analizar sistemas del mundo real.

⬤ Entender cómo simular paseos aleatorios utilizando cadenas de Markov.

A quién va dirigido este libro:

Este libro es para los científicos de datos, ingenieros de simulación, y cualquier persona que ya está familiarizado con los métodos computacionales básicos y quiere poner en práctica diversas técnicas de simulación, tales como métodos de Monte-Carlo y simulación estadística utilizando Python.