Plan Szkolenia
Wprowadzenie
Przegląd modelowania agentowego
Studium przypadku: Używanie agentów do symulacji transakcji finansowych
Przegląd frameworków do modelowania agentowego dla Java, C++, Python itp.
Przegląd podstawowych funkcji Mesy
Konfiguracja środowiska
Wybór między edytorem tekstu, IDE a Jupyter Notebook
Tworzenie prostego modelu
Studium przypadku: Używanie agentów do symulacji pandemii
Wybór modelu na podstawie przypadku użycia (Boltzmann Wealth, Model Segregacji Schellinga, SIR itp.)
Praca z klasami Model i Agent w Mesie
Definiowanie zmiennych
Ustawianie parametrów na poziomie modelu
Planowanie działań agenta
Uruchamianie modelu
Dodawanie agentów do modelu
Dodawanie przestrzeni do modelu
Zbieranie danych za pomocą Data Collector
Wielokrotne uruchamianie modelu przy użyciu Mesa Batch Runner
Interaktywna wizualizacja symulacji
Wizualizacja aktywności agentów na siatce
Dodawanie wykresu do wizualizacji
Tworzenie modułu wizualizacji (opcjonalnie - wymaga Javascript)
Integracja modelu z aplikacją uczenia maszynowego.
Najlepsze praktyki
Rozwiązywanie problemów
Podsumowanie i zakończenie
Wymagania
- Doświadczenie w programowaniu w Pythonie
- Javascript (opcjonalnie)
Grupa docelowa
- Badacze
- Analitycy
- Naukowcy
Opinie uczestników (1)
Trener dobrze przygotował materiał kursowy z góry, a sesja była bardzo elastyczna i dostosowana do zainteresowań uczestników. Pracownicy zarządzający byli również obecni podczas kursu, aby nam pomóc. Projekt był dobrze zarządzany w przyjaznej atmosferze na przestrzeni całego okresu.
Kikuko Shoyama
Szkolenie - Repast - Agent Based Modeling and Simulation (ABMS)
Przetłumaczone przez sztuczną inteligencję
