Cursos de Fundamentals of Digital Twin

Este treinamento ao vivo conduzido por instrutor em Brasil (no local ou remoto) é destinado a pesquisadores que desejam usar NetLogo para criar modelos baseados em agentes (ABM).

No final deste treinamento, os participantes serão capazes de:

• Instalar NetLogo.
• Desenvolver um modelo baseado em agentes.
• Visualizar a atividade do agente.
• Analisar os resultados do modelo.
• Testar e documentar o modelo de simulação baseado em agentes.

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

Objectivos do curso

1. Introduzir os participantes aos princípios e conceitos de modelagem e simulação baseados em agentes.
2. Desenvolver a capacidade dos participantes para ler e compreender o código de programação de modelação de agentes.
3. Dotar os participantes de conhecimentos, para que compreendam a importância de uma modelação exacta e precisa.
4. Aumentar a compreensão dos participantes sobre os seus próprios sistemas utilizando a simulação baseada em agentes.
5. Desenvolver uma melhor capacidade de usar e codificar sistemas baseados em agentes usando repast, reLogo.

Este treinamento ao vivo conduzido por instrutor em Brasil (online ou no local) é destinado a pesquisadores que desejam usar o Mesa para criar modelos baseados em agentes em um ambiente Python.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o ambiente de desenvolvimento necessário para iniciar a modelação em Python.
• Criar rapidamente um modelo baseado em agente usando os componentes principais incorporados do Mesa.
• Expandir a complexidade do modelo.
• Visualizar a atividade do agente em tempo real dentro de um browser.
• Analise os resultados do modelo de forma interactiva utilizando as ferramentas de análise de dados do Python.
• Integrar o modelo com outros sistemas Python, como aplicações de aprendizagem automática.