Hodnotenie:
Kniha je komplexným sprievodcom štatistickým simulačným modelovaním pomocou jazyka Python, ktorý zahŕňa základné pojmy, rôzne simulačné metódy a praktické aplikácie. Kladie dôraz na praktický prístup s príkladmi kódovania, vďaka čomu je užitočným zdrojom informácií pre dátových vedcov, inžinierov a odborníkov z praxe, ktorí sa zaujímajú o počítačové simulácie.
Výhody:⬤ Jedinečný a široký prehľad simulačného modelovania
⬤ podrobné vysvetlenia simulácií Monte Carlo a Markovovho reťazca
⬤ praktické cvičenia kódovania s Pythonom
⬤ dobré základné pokrytie numerických simulácií
⬤ užitočné pre rôzne technické oblasti
⬤ silné referencie autora.
Chýba pokrytie balíka Simpy pre simulácie diskrétnych udalostí, ktorý je bežným nástrojom medzi dátovými vedcami; predpokladá určitú základnú znalosť jazyka Python, čo môže byť prekážkou pre úplných začiatočníkov.
(na základe 5 čitateľských recenzií)
Hands-On Simulation Modeling with Python - Second Edition: Develop simulation models for improved efficiency and precision in the decision-making proc
Naučte sa vytvárať najmodernejšie simulačné modely pomocou jazyka Python a zlepšite svoje zručnosti v oblasti simulačného modelovania, ako aj ľahko vytvárajte a analyzujte digitálne prototypy fyzických modelov
Kľúčové vlastnosti:
⬤ Poznajte rôzne štatistické a fyzikálne simulácie na zlepšenie systémov pomocou jazyka Python.
⬤ Učte sa vytvárať digitálny prototyp reálneho modelu pomocou praktických príkladov.
⬤ Vyhodnotiť výkon a výstupné výsledky na základe toho, ako by prototyp fungoval v reálnom svete.
Popis knihy:
Simulačné modelovanie je metóda skúmania, ktorej cieľom je napodobniť fyzikálne systémy vo virtuálnom prostredí a získať z neho užitočné štatistické závery. Možnosť analyzovať model počas jeho behu odlišuje simulačné modelovanie od iných metód používaných pri bežných analýzach. Táto kniha je vaším komplexným a praktickým sprievodcom pri pochopení rôznych výpočtových štatistických simulácií pomocou jazyka Python.
Kniha začína tým, že vám pomôže zoznámiť sa so základnými pojmami simulačného modelovania, ktoré vám umožnia pochopiť rôzne metódy a techniky potrebné na skúmanie zložitých tém. Dátoví vedci, ktorí pracujú so simulačnými modelmi, budú môcť vďaka tejto praktickej príručke využiť svoje vedomosti. Postupne sa ponoríte do numerických simulačných algoritmov vrátane prehľadu relevantných aplikácií, a to pomocou reálnych prípadov použitia a praktických príkladov. Dozviete sa tiež, ako používať Python na vývoj simulačných modelov a ako používať niekoľko balíkov Python. Nakoniec sa zoznámite s rôznymi numerickými simulačnými algoritmami a koncepciami, ako sú Markovove rozhodovacie procesy, metódy Monte Carlo a techniky bootstrappingu.
Na konci tejto knihy sa naučíte, ako zostaviť a nasadiť vlastné simulačné modely na riešenie reálnych problémov.
Čo sa naučíte:
⬤ Zoznámite sa s konceptom náhodnosti a procesom generovania údajov.
⬤ Podrobne sa oboznámite s metódami opakovaného výberu.
⬤ Objaviť, ako pracovať so simuláciami Monte Carlo.
⬤ Využiť simulácie na zlepšenie alebo optimalizáciu systémov.
⬤ Zistite, ako vykonávať efektívne simulácie na analýzu reálnych systémov.
⬤ Pochopiť, ako simulovať náhodné prechádzky pomocou Markovových reťazcov.
Pre koho je táto kniha určená:
Táto kniha je určená pre dátových vedcov, simulačných inžinierov a všetkých, ktorí už poznajú základné výpočtové metódy a chcú implementovať rôzne simulačné techniky, ako sú metódy Monte-Carlo a štatistické simulácie pomocou jazyka Python.