Cursos de Agent Based Modeling (ABM) with NetLogo

Este treinamento ao vivo conduzido por instrutor em Portugal (online ou no local) é destinado a qualquer pessoa que deseje aprender como usar o Digital Twin no monitoramento e análise de produtos e processos antes de construir e implantar o produto real.

No final desta formação, os participantes serão capazes de

• Aprender e compreender os conceitos fundamentais do Digital Twin.
• Compreender os tipos e o ciclo de vida do Digital Twin.
• Utilizar o Digital Twin para gerir eficazmente dados de investigação e modelos de design.

Esta formação em direto, orientada por um instrutor, em Portugal (online ou no local) destina-se a investigadores que pretendam utilizar Mesa para criar modelos baseados em agentes num ambiente Python.

No final desta formação, os participantes serão capazes de

• Instalar e configurar o ambiente de desenvolvimento necessário para iniciar a modelagem em Python.
• Crie rapidamente um modelo baseado em agente usando os componentes principais incorporados do Mesa'.
• Expanda a complexidade do modelo.
• Visualize a atividade do agente em tempo real dentro de um navegador.
• Analisar os resultados do modelo de forma interativa usando Python ferramentas de análise de dados.
• Integrar o modelo com outros sistemas Python, como aplicativos de aprendizado de máquina.

O Repast Suite é uma família de bibliotecas avançadas, gratuitas e de código aberto de modelação e simulação baseadas em agentes que, coletivamente, têm estado em desenvolvimento contínuo há mais de 10 anos. Este curso de quatro dias em Portugal (online ou no local) explica em pormenor como criar simulação para sistemas baseados em agentes utilizando o ambiente Repast.

Objectivos do curso

1. Introduzir os participantes aos princípios e conceitos de modelagem e simulação baseada em agentes.
2. Desenvolver os participantes’ capacidade de ler e entender o código de programação de modelagem de agentes.
3. Equipar os participantes com conhecimento, para que eles entendam a importância da modelagem exata e precisa.
4. Aumentar os participantes’ compreensão de sistemas próprios usando a simulação baseada em agentes.
5. Desenvolver uma melhor capacidade de usar e codificar sistemas baseados em agentes usando repast, reLogo.