Fundamentals of Digital Twin Schulung

Diese von einem Ausbilder geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Forscher, die NetLogo zur Erstellung von agentenbasierten Modellen (ABM) verwenden möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• NetLogo zu installieren.
• Ein agentenbasiertes Modell zu entwickeln.
• Agentenaktivitäten zu visualisieren.
• Die Ergebnisse des Modells zu analysieren.
• Das agentenbasierte Simulationsmodell zu testen und zu dokumentieren.

Die Repast Suite ist eine Familie fortschrittlicher, freier und quelloffener agentenbasierter Modellierungs- und Simulationsbibliotheken, die seit über 10 Jahren kontinuierlich weiterentwickelt werden. Dieser viertägige Kurs in Österreich (online oder vor Ort) erklärt im Detail, wie man Simulationen für agentenbasierte Systeme unter Verwendung der Repast-Umgebung erstellt.

Ziele des Kurses

1. Einführung der Teilnehmer in die Prinzipien und Konzepte der agentenbasierten Modellierung und Simulation.
2. Entwicklung der Fähigkeit der Teilnehmer, den Programmiercode für die Agentenmodellierung zu lesen und zu verstehen.
3. Die Teilnehmer mit Wissen ausstatten, damit sie die Bedeutung einer genauen und präzisen Modellierung verstehen.
4. Verbesserung des Verständnisses der Teilnehmer für ihre eigenen Systeme unter Verwendung der agentenbasierten Simulation.
5. Entwicklung einer besseren Fähigkeit, agentenbasierte Systeme unter Verwendung von repast, reLogo zu nutzen und zu programmieren.

Diese von einem Ausbilder geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Forscher, die Mesa zur Erstellung agentenbasierter Modelle in einer Python-Umgebung verwenden möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Die Entwicklungsumgebung zu installieren und zu konfigurieren, um mit der Modellierung in Python zu beginnen.
• Schnelles Erstellen eines agentenbasierten Modells mit den in Mesa eingebauten Kernkomponenten.
• Die Komplexität des Modells zu erweitern.
• Visualisierung der Agentenaktivität in Echtzeit in einem Browser.
• Analysieren Sie die Ergebnisse des Modells interaktiv mit Python-Datenanalysetools.
• Integrieren Sie das Modell in andere Python-Systeme, z. B. in Anwendungen für maschinelles Lernen.