Pythonコンピュータシミュレーション入門

Pythonでさまざまな現象をシミュレーションしよう!コンピュータシミュレーションの基礎を、Pythonを用いたプログラミングによって実際に試しながら学習するものです。うわさの拡散や伝染病の流行といった自然科学モデル、在庫管理などの経営モデルといった具体的なものから、情報科学的な確率モデル、ベイズ統計、グラフ理論、GAといった各手法に基づいたモデル、エージェントベースモデル、強化学習による意思決定モデルまでを解説しています。プログラムの実行とともにモデルの原理が理解できる良書

【目次】
第1章 はじめに
1.1 モデルとシミュレーション
1.2 Python, Anaconda,パッケージ
1.3 開発環境
1.4 ちょっとした流儀
1.5 クイックスタート

第2章 数値計算と数学の基礎
2.1 数学記号の用い方
2.2 有限桁のために生じる数値誤差
2.3 いくつかの数値計算
2.4 確率の基礎
2.5 疑似乱数とSciPyを用いた確率の計算

第3章 アニメーション
3.1 アニメーションの意義
3.2 Matplotlibを用いたアニメーション
3.3 VPythonを用いたアニメーション

第4章 確率モデル
4.1 時系列モデル
4.2 マルコフ連鎖
4.3 確率微分方程式
4.4 カルマンフィルタ
4.5 時系列モデル

第5章 自然科学モデル
5.1 人口予測
5.2 感染症の流行
5.3 捕食種・被食種の関係
5.4 フラクタル
5.5 カオス
5.6 音と周波数

第6章 経営モデル
6.1 簡単な例
6.2 線形計画法
6.3 在庫管理
6.4 待ち行列

第7章 ベイズ統計に基づくモデル
7.1 ベイズの定理とベイズ更新
7.2 確率分布への適用
7.3 確率的プログラミングPyMC

第8章 グラフ理論に基づくモデル
8.1 グラフ理論の概要
8.2 噂の拡散のシミュレーション(スケールフリーネットワーク)
8.3 人間関係のネットワーク(スモールワールド)
8.4 文章の相関の可視化(共起ネットワーク)

第9章 遺伝的アルゴリズムに基づくモデル
9.1 遺伝的アルゴリズムの概要
9.2 組合せに関係した問題
9.3 順序に関係した問題
9.4 順序と組合せに関係した問題
9.5 実数値を用いた問題

第10章 エージェントベースモデル
10.1 エージェントベースモデルの概要
10.2 離散的環境で行動するエージェント
10.3 連続的環境で行動するエージェント
10.4 移動を伴わない意思決定個体としてのエージェント

第11章 強化学習による意思決定モデル
11.1 強化学習の概要
11.2 1人の意思決定
11.3 2人の意思決定
11.4 深層強化学習の概要

色に関して、撮影状況やご使用のパソコン環境により、実物と多少色が異なる場合がございます。サイズに関して、ブランドや商品によって実際のサイズと異なる場合がございますので、ご不明な場合は、出品者にお問い合わせください。

サイズ	指定なし
フリーサイズ	○

プログラムの実行とともにモデルの原理が理解できる良書

※配送方法が複数ある場合はカート内にて変更ができます。
※配送会社の状況等によって、商品到着日が遅れる場合がございます。あらかじめご了承ください。

配送方法	送料	追跡	配送目安
その他(配送無料)	￥0	なし	５日～１０日