Agent Based Modeling Kurs i Norge

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot alle som ønsker å lære hvordan man bruker Digital Twin i overvåking og analyse av produkter og prosesser før man bygger og distribuerer selve produktet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær og forstå de grunnleggende konseptene til Digital Twin.
• Forstå de digitale tvillingene og livssyklusen.
• Bruk Digital Twin til å effektivt administrere forskningsdata og designmodeller.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot etterforskere som ønsker å bruke Mesa til å lage agentbaserte modeller i et Python miljø.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer utviklingsmiljøet som trengs for å starte modellering i Python.
• Lag raskt en agentbasert modell ved hjelp av Mesas innebygde kjernekomponenter.
• Utvid kompleksiteten til modellen.
• Visualiser agentaktivitet i sanntid i en nettleser.
• Analyser resultatene av modellen interaktivt ved å bruke Python dataanalyseverktøy.
• Integrer modellen med andre Python-systemer som for eksempel maskinlæringsapplikasjoner.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot etterforskere som ønsker å bruke NetLogo til å lage agentbaserte modeller (ABM).

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer NetLogo.
• Utvikle en agentbasert modell.
• Visualiser agentaktivitet.
• Analyser resultatene av modellen.
• Test og dokumenter den agentbaserte simuleringsmodellen.

Repast Suite er en familie av avanserte, gratis og open source biblioteker for agentbasert modellering og simulering som har vært i kontinuerlig utvikling i over 10 år. Denne fire dagers kurs på Norge (online eller på stedet) forklarer detaljert hvordan man skaper simuleringer for agentbaserte systemer ved hjelp av Repast-miljøet.

Kursmål

1. Introducere deltakerne til prinsippene og konseptene bak agentbasert modellering og simulering.
2. Utvikle deltakerenes kapasitet til å lese og forstå programmeringskoden for agentmodellering.
3. Vedlikeholde deltakerenes kunnskap, slik at de forstår viktigheten av nøyaktig og nøyaktig modellering.
4. Øke deltakerenes forståelse av egne systemer ved hjelp av agentbasert simulering.
5. Utvikle en bedre kapasitet til å bruke og kode agentbaserte systemer ved hjelp av repast, reLogo.