کتاب Hands-On Simulation Modeling with Python (مدل‌سازی عملی شبیه‌سازی با پایتون: مدل‌های شبیه‌سازی را برای کمک به شما در گرفتن نتایج دقیق و بهبود فرآیند تصمیم‌گیری توسعه دهید، ویرایش دوم) در 13 فصل به تشریح مدل‌سازی و الگوریتم‌های آن به صورت کاربردی با استفاده از زبان برنامه‌نویسی پایتون خواهد پرداخت.
در ادامه مقدمه‌ای از کتاب Hands-On Simulation Modeling with Python را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Hands-On Simulation Modeling with Python:
این کتاب راهنمای جامعی برای درک انواع شبیه‌سازی‌های آماری محاسباتی با استفاده از پایتون است.
این کتاب با پایه و اساس مورد نیاز برای درک روش‌ها و تکنیک‌های مختلف قبل از پرداختن به موضوعات پیچیده شروع می‌شود. توسعه‌دهندگانی که با مدل‌های شبیه‌سازی کار می‌کنند، می‌توانند دانش خود را با این راهنمای عملی به کار بگیرند. این کتاب رویکردی عملی به پیاده‌سازی و متدولوژی‌های مرتبط دارد که شما را در کمترین زمان راه‌اندازی و کارآمد می‌سازد.
با توضیحات گام‌به‌گام مفاهیم اساسی، مثال‌های عملی و سؤالات خودارزیابی، با بررسی الگوریتم‌های شبیه‌سازی عددی، از جمله مروری بر برنامه‌های کاربردی مرتبط، شروع می‌کنید. شما یاد خواهید گرفت که چگونه از پایتون برای توسعه مدل‌های شبیه‌سازی استفاده کنید و نحوه استفاده از چندین بسته پایتون را یاد خواهید گرفت. سپس الگوریتم‌ها و مفاهیم مختلف شبیه‌سازی عددی، مانند فرآیند تصمیم‌گیری مارکوف، روش‌های مونت کارلو و تکنیک‌های راه‌اندازی را بررسی خواهید کرد.
در پایان این کتاب می‌توانید مدل‌های شبیه‌سازی بسازید.
کتاب Hands-On Simulation Modeling with Python برای چه کسی است؟
این کتاب برای دانشمندان داده، مهندسین شبیه‌سازی یا هر کسی است که قبلاً با روش‌های محاسباتی اولیه آشناست اما اکنون می‌خواهد تکنیک‌های شبیه‌سازی مختلف مانند روش‌های مونت کارلو و شبیه‌سازی آماری را با استفاده از پایتون پیاده‌سازی کند.
آنچه کتاب Hands-On Simulation Modeling with Python پوشش می‌دهد:
در فصل اول، معرفی مدل‌های شبیه‌سازی، مدل‌های شبیه‌سازی، انواع مختلف آن‌ها و نمونه‌هایی از کاربردهای مدل‌های شبیه‌سازی در جهان معرفی می‌شوند.
فصل 2، درک تصادفی و اعداد تصادفی، فرآیند تصادفی و مفاهیم مختلف شبیه‌سازی اعداد تصادفی را بررسی می‌کند. شما یاد خواهید گرفت که چگونه بین اعداد شبه و غیر یکنواخت تمایز قائل شوید و روش‌های مختلفی را برای ارزیابی توزیع تصادفی کشف کنید. در نهایت، برخی از تکنیک‌های رمزنگاری را بررسی خواهید کرد.
فصل 3 کتاب Hands-On Simulation Modeling with Python، احتمالات و فرآیندهای تولید داده، مفهوم نظریه احتمال و نحوه محاسبه احتمال علتی را که باعث ایجاد رویدادهای خاص می‌شود، معرفی می‌کند. همچنین نحوه کار با توزیع‌های گسسته و پیوسته را یاد می‌گیرید و در نهایت تکنیک‌ها و ابزارهای مختلف تولید داده را یاد می‌گیرید.
فصل 4، کاوش در شبیه‌سازی مونت کارلو، شبیه‌سازی مونت کارلو و برخی از کاربردهای آن را بررسی می‌کند. شما متوجه خواهید شد که چگونه می‌توانید دنباله ای از اعداد را که به طور تصادفی بر اساس توزیع گاوسی توزیع شده اند تولید کنید. همچنین نحوه پیاده‌سازی روش مونت کارلو را به صورت عملی و در نهایت با مبانی تحلیل حساسیت و آنتروپی متقابل آشنا خواهید شد.
در فصل 5 کتاب Hands-On Simulation Modeling with Python، فرآیندهای تصمیم گیری مارکوف مبتنی بر شبیه‌سازی، می‌بینید که شما با فرآیند مارکوف و درک کل تعامل بین عامل و محیط آشنا می‌شوید. استفاده از معادلات بلمن را یاد خواهید گرفت. همچنین متوجه خواهید شد که زنجیره‌های مارکوف چیست، نحوه استفاده از آن‌ها را یاد می‌گیرید و با استفاده از آن‌ها راه رفتن‌های تصادفی را شبیه‌سازی می‌کنید.
فصل 6، روش‌های نمونه‌گیری مجدد، به شما می‌گوید که چگونه می‌توانید برآوردهای قوی از فواصل اطمینان و خطاهای استاندارد پارامترهای جمعیت را بدست آورید. شما یاد خواهید گرفت که چگونه اعوجاج و خطای استاندارد یک آمار را تخمین بزنید، آزمایشی را برای اهمیت آماری انجام دهید، و در نهایت، یک مدل پیش‌بینی را اعتبار سنجی کنید.
فصل 7 کتاب Hands-On Simulation Modeling with Python، استفاده از شبیه‌سازی برای بهبود و بهینه‌سازی سیستم‌ها، مفاهیم اساسی تکنیک‌های بهینه‌سازی و نحوه پیاده‌سازی آن‌ها را نشان می‌دهد. شما تفاوت بین تکنیک‌های بهینه‌سازی عددی و تصادفی را درک خواهید کرد. شما یاد خواهید گرفت که چگونه نزول گرادیان تصادفی را پیاده‌سازی کنید و متغیرهای گمشده یا پنهان را تخمین بزنید و پارامترهای مدل را بهینه کنید. در نهایت، نحوه استفاده از روش‌های بهینه‌سازی در برنامه‌های کاربردی واقعی را خواهید آموخت.
فصل 8، معرفی سیستم‌های تکاملی، مفاهیم اساسی محاسبات نرم، برنامه ریزی ژنتیکی و سیستم‌های مختلف تکاملی را بررسی می‌کند. شما یاد خواهید گرفت که چگونه از الگوریتم‌های ژنتیک برای جستجو و بهینه‌سازی استفاده کنید، و همچنین یک مدل اتوماسیون سلولی را بررسی خواهید کرد.
فصل 9، استفاده از مدل‌های شبیه‌سازی برای مهندسی مالی، موارد استفاده عملی را برای استفاده از روش‌های شبیه‌سازی در زمینه مالی نشان می‌دهد.
فصل 10 کتاب Hands-On Simulation Modeling with Python، شبیه‌سازی پدیده‌های فیزیکی با استفاده از شبکه‌های عصبی، به بررسی شبکه‌های عصبی مصنوعی و نحوه پیاده‌سازی آن‌ها و همچنین نحوه عملکرد الگوریتم‌های شبکه عصبی می‌پردازد. با شبکه‌های عصبی عمیق آشنا خواهید شد. در نهایت، شبکه‌های عصبی نموداری را بررسی می‌کنید و نحوه استفاده از شبکه‌های عصبی را برای شبیه‌سازی پدیده‌های فیزیکی، مانند ذرات و اجسام نقطه‌ای، و مدل‌سازی شبکه بولتزمن جریان سیال یاد خواهید گرفت.
فصل 11، مدل‌سازی و شبیه‌سازی برای مدیریت پروژه، مفاهیم مختلف مدیریت پروژه را پوشش می‌دهد و چند مورد استفاده عملی از مدل‌سازی شبیه‌سازی برای مدیریت پروژه را بررسی می‌کند.
فصل 12 کتاب Hands-On Simulation Modeling with Python، مدل‌های شبیه‌سازی برای تشخیص عیب در سیستم‌های دینامیک، تشخیص عیب در سیستم‌های مختلف را پوشش می‌دهد و چند مورد استفاده از مدل‌سازی شبیه‌سازی برای تشخیص و تشخیص عیب در سیستم‌های مختلف مانند پهپادها را بررسی می‌کند.
فصل 13، مرحله‌ی بعد چیست؟، مدل‌سازی شبیه‌سازی را خلاصه می‌کند و برنامه‌های اصلی را در زندگی واقعی که از آن استفاده می‌کنند، بررسی می‌کند. همچنین با آینده مدل‌سازی شبیه‌سازی آشنا خواهید شد.
سرفصل‌های کتاب Hands-On Simulation Modeling with Python:
- Contributors
- About the author
- About the reviewer
- Preface
- Part 1:Getting Started with Numerical Simulation
- Chapter 1: Introducing Simulation Models
- Chapter 2: Understanding Randomness and Random Numbers
- Chapter 3: Probability and Data Generation Processes
- Part 2:Simulation Modeling Algorithms and Techniques
- Chapter 4: Exploring Monte Carlo Simulations
- Chapter 5: Simulation-Based Markov Decision Processes
- Chapter 6: Resampling Methods
- Chapter 7: Using Simulation to Improve and Optimize Systems
- Chapter 8: Introducing Evolutionary Systems
- Part 3:Simulation Applications to Solve Real-World Problems
- Chapter 9: Using Simulation Models for Financial Engineering
- Chapter 10: Simulating Physical Phenomena Using Neural Networks
- Chapter 11: Modeling and Simulation for Project Management
- Chapter 12: Simulating Models for Fault Diagnosis in Dynamic Systems
- Chapter 13: What’s Next?
- Index
- Other Books You May Enjoy
جهت دانلود کتاب Hands-On Simulation Modeling with Python می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.