Difference between revisions of "MMS: M&S Principles"
From hpcwiki
Gvillalobos (Talk | contribs) (→Course contents (in Spanish)) |
Gvillalobos (Talk | contribs) |
||
Line 41: | Line 41: | ||
## Fenómenos Críticos | ## Fenómenos Críticos | ||
## Dimensión Fractal | ## Dimensión Fractal | ||
− | # '''Clase 9:''' Proceso de Modelado y Simulación, continuación, y | + | # '''Clase 9:''' [[MM&S:Principios:Proceso de Modelado y Simulación, continuación, y Ejemplo: El modelo SIR de propagación de epidemias]] |
## Análisis Dimensional | ## Análisis Dimensional | ||
## Modelo SIR: Motivación y sustentación | ## Modelo SIR: Motivación y sustentación |
Revision as of 10:07, 25 March 2014
Course contents (in Spanish)
- Clase 1: MM&S:Principios: ¿Qué es Modelado Matemático? [1]
- Realidad vs. Modelo
- Objetivos del Modelado Matemático: descripción, predicción, optimización
- Sistemas, Modelos y Simulaciones
- Las matemáticas: un lenguaje natural del modelado
- Definicion de modelos matemáticos
- Más ejemplos y definiciones.
- Clase 2: MM&S:Principios: ¿Qué es Simulación por Computador? y Proceso de Modelado y Simulación[2]
- Principios de programación: programación estructurada y programación orientada a objetos.
- Solución numérica de problemas por aproximación
- Reproducción de comportamientos dinámicos
- Experimentación Numérica - Métodos Numéricos
- Ciclo de vida de un modelo matemático
- Especificación conceptual de un modelo - Problema a resolver - Pregunta de Investigación - Análisis del Sistema - Elección del modelo
- Formulación Numérica e Implementación computacional. Simulación
- Verificación funcional
- Validación: Comportamiento del modelo vs. comportamiento del sistema real
- Clase 3: MM&S:Principios: Tipos de modelos [3]
- Caja Negra vs. Caja blanca
- Estáticos vs. Dinámicos
- Mecanicistas vs. Heurísticos vs. Empíricos
- Lineales vs. No Lineales
- Determinísticos vs. Estocásticos
- Isomórficos vs. Homomórficos
- Parámetros amontonados vs. Parámetros distribuidos
- Estacionarios vs. No Estacionarios
- Atomísticos vs Agrupados (Coarse-Grained)
- Clases 3 y 4 MM&S:Principios: PBL: Redes Neuronales
- Clase 5 MM&S:Principios: Examen parcial
- Clase 6 y 7: MM&S:Principios: M&S y Conocimiento obtenido sobre el Sistema Real
- Epistemología del M&S
- Realidad y modelo
- Representación y simplificación
- Conocimiento obtenido mediante procesos de modelado y Simulación
- Clases 4 y 8: MM&S:Principios: Ejemplo: Introducción a la percolación [4]
- Motivación, los fuegos en un bosque.
- Modelación: Sistema, Pregunta y Modelo
- El código: un ejemplo del programa de la simulación 2D
- Definición precisa de percolación.
- Fenómenos Críticos
- Dimensión Fractal
- Clase 9: MM&S:Principios:Proceso de Modelado y Simulación, continuación, y Ejemplo: El modelo SIR de propagación de epidemias
- Análisis Dimensional
- Modelo SIR: Motivación y sustentación
- Modelo SIR: Modelación matemática
- Modelo SIR: Programación de la Simulación
- Modelo SIR: Análisis de resultados
- Clase 10: MM&S:Principios: Elección de un modelo
- Criterios: objetivo del modelado, características del sistema real, número de elementos, tipo de relaciones entre elementos, tipo de dominio, alcances
- Formulaciones matemáticas
- Clase 11: MM&S:Principios: Modelos Fenomenológicos
- Métodos estadísticos
- Análisis de resultados de un estudio basado en M&S
- Clase 12: Ejemplo: El modelo de haz de fibras, ejemplo de modelado de un proceso de fractura.
- Motivación
- Modelación
- Ejemplo de programado de la simulación 2D
- Clase 13: Examen Final
- Clase 14: MM&S:Principios: Ejemplo: Modelado por elementos finitos
- Motivación
- Modelación
- Ejemplo de programado de la simulación 2D
- Clase 15 - 16: Exposición de trabajos finales
- MM&S:Principios: Bibliografía