Sequential Decision Analytics and Modeling: Modelización con Python

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 3 votos.

Título original:

Sequential Decision Analytics and Modeling: Modeling with Python

Contenido del libro:

Los problemas de decisión secuencial surgen en prácticamente todos los procesos humanos. Abarcan las finanzas, la energía, el transporte, la sanidad, el comercio electrónico y las cadenas de suministro, e incluyen problemas de aprendizaje puro que surgen en experimentos de laboratorio o de campo.

Incluso abarcan algoritmos de búsqueda para maximizar funciones inciertas. Una dimensión importante de cada problema es la necesidad de tomar decisiones en presencia de diferentes formas de incertidumbre y procesos de información en evolución. El trabajo de Warren B.

Powell en problemas de decisión secuenciales comenzó en la década de 1980 y abarcó el ferrocarril, la energía, la sanidad, las finanzas, el comercio electrónico, la gestión de la cadena de suministro e incluso el aprendizaje para la ciencia de los materiales. Su trabajo en una amplia gama de problemas puso de relieve la importancia de utilizar diversos métodos.

En el proceso, llegó a darse cuenta de que cualquier problema de decisión secuencial puede modelarse utilizando un único marco universal que implica la búsqueda sobre métodos para tomar decisiones. El objetivo de este libro es que los lectores comprendan cómo plantear, modelar y resolver un problema de decisión secuencial. Para ello, utiliza un estilo de enseñanza mediante ejemplos para ilustrar un marco de modelado que puede representar cualquier problema de decisión secuencial.

Aborda el reto de diseñar métodos, denominados políticas, para tomar decisiones y describe cuatro clases de políticas que son universales en el sentido de que abarcan cualquier método que pueda utilizarse, ya sea de la literatura académica o heurísticos utilizados en la práctica. Aunque esto no significa que todos los problemas puedan resolverse de inmediato, el marco ayuda a evitar la tendencia de la literatura académica a centrarse en clases limitadas de métodos.