Toma de decisiones bajo incertidumbre: Teoría y aplicación

Opiniones de los lectores

El libro es elogiado por su cobertura clara y concisa de los métodos cuantitativos y computacionales para la toma de decisiones, con una estructura lógica que facilita el aprendizaje. Sirve como excelente texto introductorio con aplicaciones en diversos campos. Sin embargo, algunos usuarios lo encontraron demasiado superficial y fragmentado, carente de profundidad para implementar soluciones y con la sensación de ser más bien una colección de artículos de investigación.

⬤ Cobertura exhaustiva de una amplia gama de temas sobre toma de decisiones y métodos computacionales.
⬤ Presentación lógica y gradual del material, que ayuda a la comprensión.
⬤ Lenguaje claro y preciso, accesible para quienes no tienen conocimientos avanzados de matemáticas.
⬤ Útil tanto para principiantes como de referencia con amplias bibliografías al final de los capítulos.
⬤ Fuerte énfasis en el auto-estudio con material complejo bien presentado.

⬤ Algunos usuarios informaron de que el libro carece de la profundidad suficiente para la aplicación real de las soluciones.
⬤ Algunos capítulos parecen inconexos, escritos por varios autores, lo que fragmenta la experiencia de lectura.
⬤ No es adecuado para personas sin conocimientos básicos del tema.
⬤ Algunos usuarios señalaron defectos de impresión, como la falta de capítulos.

(basado en 17 opiniones de lectores)

Título original:

Decision Making Under Uncertainty: Theory and Application

Contenido del libro:

Una introducción a la toma de decisiones en condiciones de incertidumbre desde una perspectiva computacional, que abarca tanto la teoría como aplicaciones que van desde el reconocimiento del habla a la evitación de colisiones aéreas.

Muchos problemas importantes implican la toma de decisiones en condiciones de incertidumbre, es decir, la elección de acciones basadas en observaciones a menudo imperfectas, con resultados desconocidos. Los diseñadores de sistemas automatizados de apoyo a la toma de decisiones deben tener en cuenta las diversas fuentes de incertidumbre y, al mismo tiempo, equilibrar los múltiples objetivos del sistema. Este libro ofrece una introducción a los retos de la toma de decisiones en condiciones de incertidumbre desde una perspectiva computacional. Presenta tanto la teoría que subyace a los modelos y algoritmos de toma de decisiones como una colección de ejemplos de aplicaciones que van desde el reconocimiento de voz hasta la evitación de colisiones aéreas.

Centrándose en dos métodos para diseñar agentes de decisión, la planificación y el aprendizaje por refuerzo, el libro abarca los modelos probabilísticos, presentando las redes bayesianas como un modelo gráfico que captura las relaciones probabilísticas entre variables; la teoría de la utilidad como marco para entender la toma de decisiones óptimas en condiciones de incertidumbre; los procesos de decisión de Markov como método para modelar problemas secuenciales; la incertidumbre del modelo; la incertidumbre del estado; y la toma de decisiones cooperativa en la que intervienen múltiples agentes que interactúan. Una serie de aplicaciones muestra cómo los conceptos teóricos pueden aplicarse a sistemas de búsqueda de personas basada en atributos, aplicaciones del habla, evitación de colisiones y vigilancia persistente de aeronaves no tripuladas.

Decision Making Under Uncertainty unifica la investigación de diferentes comunidades utilizando una notación coherente, y es accesible a estudiantes e investigadores de todas las disciplinas de la ingeniería que tengan algún contacto previo con la teoría de la probabilidad y el cálculo. Puede utilizarse como texto para estudiantes avanzados de grado y posgrado en campos como la informática, la ingeniería aeroespacial y eléctrica y las ciencias de la gestión. También será una valiosa referencia profesional para investigadores de diversas disciplinas.