Avis des lecteurs
Résumé:Ce livre est un guide complet de la modélisation de simulation statistique à l'aide de Python, couvrant les concepts fondamentaux, diverses méthodes de simulation et des applications pratiques. Il met l'accent sur une approche pratique avec des exemples de codage, ce qui en fait une ressource utile pour les scientifiques des données, les ingénieurs et les praticiens intéressés par les simulations computationnelles.
Avantages:⬤ Aperçu unique et large de la modélisation de simulation
⬤ explications détaillées des simulations de Monte Carlo et de la chaîne de Markov
⬤ exercices pratiques de codage avec Python
⬤ bonne couverture fondamentale de la simulation numérique
⬤ utile pour divers domaines de l'ingénierie
⬤ fortes références de l'auteur.
Manque de couverture du package Simpy pour les simulations d'événements discrets, qui est un outil commun parmi les scientifiques de données ; suppose une certaine familiarité de base avec Python, ce qui peut être un obstacle pour les débutants complets.
(basé sur 5 avis de lecteurs)
Titre original :
Hands-On Simulation Modeling with Python - Second Edition: Develop simulation models for improved efficiency and precision in the decision-making proc
Contenu du livre :
Apprenez à construire des modèles de simulation de pointe avec Python et à améliorer vos compétences en matière de modélisation de simulation, ainsi qu'à créer et à analyser facilement des prototypes numériques de modèles physiques.
Caractéristiques principales :
⬤ Comprendre les différentes simulations statistiques et physiques pour améliorer les systèmes à l'aide de Python.
⬤ Apprendre à créer le prototype numérique d'un modèle réel à l'aide d'exemples pratiques.
⬤ Les résultats de l'évaluation des performances et de la production sont basés sur la façon dont le prototype fonctionnerait dans le monde réel.
Description du livre :
La modélisation par simulation est une méthode d'exploration qui vise à imiter des systèmes physiques dans un environnement virtuel et à en tirer des conclusions statistiques utiles. La possibilité d'analyser le modèle en cours d'exécution distingue la modélisation de simulation des autres méthodes utilisées dans les analyses conventionnelles. Ce livre est un guide complet et pratique pour comprendre diverses simulations statistiques computationnelles en utilisant Python.
Le livre commence par vous aider à vous familiariser avec les concepts fondamentaux de la modélisation de simulation, ce qui vous permettra de comprendre les différentes méthodes et techniques nécessaires pour explorer des sujets complexes. Les scientifiques des données qui travaillent avec des modèles de simulation pourront mettre leurs connaissances à profit grâce à ce guide pratique. Au fur et à mesure que vous avancerez, vous plongerez dans les algorithmes de simulation numérique, y compris un aperçu des applications pertinentes, à l'aide de cas d'utilisation du monde réel et d'exemples pratiques. Vous découvrirez également comment utiliser Python pour développer des modèles de simulation et comment utiliser plusieurs packages Python. Enfin, vous vous familiariserez avec divers algorithmes et concepts de simulation numérique, tels que les processus de décision de Markov, les méthodes de Monte Carlo et les techniques de bootstrapping.
À la fin de ce livre, vous aurez appris à construire et à déployer vos propres modèles de simulation pour relever les défis du monde réel.
Ce que vous apprendrez
⬤ Se familiariser avec le concept d'aléatoire et le processus de génération de données.
⬤ Vous vous familiariserez avec les méthodes de rééchantillonnage.
⬤ Découvrir comment travailler avec les simulations de Monte Carlo.
⬤ Utiliser les simulations pour améliorer ou optimiser les systèmes.
⬤ Découvrez comment effectuer des simulations efficaces pour analyser des systèmes réels.
⬤ Comprendre comment simuler des marches aléatoires à l'aide de chaînes de Markov.
A qui s'adresse ce livre :
Ce livre s'adresse aux data scientists, aux ingénieurs en simulation et à tous ceux qui sont déjà familiers avec les méthodes de calcul de base et qui souhaitent mettre en œuvre diverses techniques de simulation telles que les méthodes de Monte-Carlo et la simulation statistique à l'aide de Python.
Autres informations sur le livre :
| ISBN : | 9781804616888 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
