Personal tools

Difference between revisions of "MMS: M&S Principles"

From hpcwiki

Jump to: navigation, search
m
Line 22: Line 22:
 
## Estacionarios vs. No Estacionarios
 
## Estacionarios vs. No Estacionarios
 
##    Atomísticos vs Agrupados (Coarse-Grained)
 
##    Atomísticos vs Agrupados (Coarse-Grained)
 +
#    '''Clases 3 y 4''' PBL: Redes Neuronales
 +
#    '''Clase 5''' Examen parcial
 
#      '''Clases 4 y 5:''' [[MM&S:Principios: Ejemplo: Introducción a la percolación]] [http://tinyurl.com/pjpakoh]
 
#      '''Clases 4 y 5:''' [[MM&S:Principios: Ejemplo: Introducción a la percolación]] [http://tinyurl.com/pjpakoh]
−
## Motivación
+
## Motivación, los fuegos en un bosque.
−
## Modelación
+
## Modelación: Sistema, Pregunta y Modelo
−
## Ejemplo de programado de la simulación 2D
+
## El código: un ejemplo del programa de la simulación 2D
−
## Análisis de resultados
+
##   Definición precisa de percolación.
−
# '''Clase 6:''' Examen parcial y [[MM&S:Principios: Proceso de Modelado y Simulación]]
+
## Fenómenos Críticos
 +
##    Dimensión Fractal
 +
# '''Clase 7:''' [[MM&S:Principios: Proceso de Modelado y Simulación]]
 
## Ciclo de vida de un modelo matemático
 
## Ciclo de vida de un modelo matemático
 
## Especificación conceptual de un modelo - Problema a resolver - Pregunta de Investigación - Análisis del Sistema - Elección del modelo
 
## Especificación conceptual de un modelo - Problema a resolver - Pregunta de Investigación - Análisis del Sistema - Elección del modelo

Revision as of 16:17, 22 February 2014

Course contents (in Spanish)

  1. Clase 1: MM&S:Principios: ¿Qué es Modelado Matemático? [1]
    1. Realidad vs. Modelo
    2. Objetivos del Modelado Matemático: descripción, predicción, optimización
    3. Sistemas, Modelos y Simulaciones
    4. Las matemáticas: un lenguaje natural del modelado
    5. Definicion de modelos matemáticos
    6. Más ejemplos y definiciones.
    7. Clase 2: MM&S:Principios: ¿Qué es Simulación por Computador? [2]
      1. Principios de programación: programación estructurada y programación orientada a objetos.
      2. Solución numérica de problemas por aproximación
      3. Reproducción de comportamientos dinámicos
      4. Experimentación Numérica - Métodos Numéricos
      5. Clase 3: MM&S:Principios: Tipos de modelos [3]
        1. Caja Negra vs. Caja blanca
        2. Estáticos vs. Dinámicos
        3. Mecanicistas vs. Heurísticos vs. Empíricos
        4. Lineales vs. No Lineales
        5. Determinísticos vs. Estocásticos
        6. Isomórficos vs. Homomórficos
        7. Parámetros amontonados vs. Parámetros distribuidos
        8. Estacionarios vs. No Estacionarios
        9. Atomísticos vs Agrupados (Coarse-Grained)
        10. Clases 3 y 4 PBL: Redes Neuronales
        11. Clase 5 Examen parcial
        12. Clases 4 y 5: MM&S:Principios: Ejemplo: Introducción a la percolación [4]
          1. Motivación, los fuegos en un bosque.
          2. Modelación: Sistema, Pregunta y Modelo
          3. El código: un ejemplo del programa de la simulación 2D
          4. Definición precisa de percolación.
          5. Fenómenos Críticos
          6. Dimensión Fractal
          7. Clase 7: MM&S:Principios: Proceso de Modelado y Simulación
            1. Ciclo de vida de un modelo matemático
            2. Especificación conceptual de un modelo - Problema a resolver - Pregunta de Investigación - Análisis del Sistema - Elección del modelo
            3. Formalización Matemática. Especificiación del modelo. Modelos tipo. Navaja de Ockham (Occam). Funciones de transferencia vs. ecuaciones de estado. Análisis dimensional. Tipos de modelos matemáticos.
            4. Formulación Numérica e Implementación computacional. Simulación
            5. Verificación funcional
            6. Validación: Comportamiento del modelo vs. comportamiento del sistema real
            7. Clase 6: MM&S:Principios: M&S y Conocimiento obtenido sobre el Sistema Real
              1. Representación y simplificación
              2. Epistemología del M&S
              3. Clase 7: MM&S:Principios: Ejemplo: El modelo SIR de propagación de epidemias
                1. Motivación y sustentación
                2. Modelación matemática
                3. Programación de la Simulación
                4. Análisis de resultados
                5. Clase 8: MM&S:Principios: Elección de un modelo
                  1. Criterios: objetivo del modelado, características del sistema real, número de elementos, tipo de relaciones entre elementos, tipo de dominio, alcances
                  2. Formulaciones matemáticas
                  3. Clase 9: MM&S:Principios: Modelos Fenomenológicos
                    1. Métodos estadísticos
                    2. Análisis de resultados de un estudio basado en M&S
                    3. Clase 10: Ejemplo: El modelo de haz de fibras, ejemplo de modelado de un proceso de fractura.
                      1. Motivación
                      2. Modelación
                      3. Ejemplo de programado de la simulación 2D
                      4. Clase 11: Examen Final
                      5. Clase 12: MM&S:Principios: Ejemplo: Modelado por elementos finitos
                        1. Motivación
                        2. Modelación
                        3. Ejemplo de programado de la simulación 2D
                        4. Clase 13 - 16: Exposición de trabajos finales
                        5. MM&S:Principios: Bibliografía
                        Retrieved from "http://hpclab.ucentral.edu.co/wiki/index.php?title=MMS:_M%26S_Principles&oldid=3400"