Curso de Fundamentals of Digital Twin

Esta capacitación en vivo dirigida por un instructor en Ecuador (en línea o presencial) está dirigida a investigadores que desean utilizar NetLogo para crear modelos basados en agentes (ABM).

Al final de esta formación, los participantes serán capaces de:

• Instalar NetLogo.
• Desarrollar un modelo basado en agentes.
• Visualice la actividad de los agentes.
• Analizar los resultados del modelo.
• Pruebe y documente el modelo de simulación basado en agentes.

Repast Suite es una familia de bibliotecas de simulación y modelado avanzadas, gratuitas y basadas en agentes de código abierto que, en conjunto, han estado en desarrollo continuo durante más de 10 años. Este curso de cuatro días en Ecuador (online o presencial) explica en detalle cómo crear simulación para sistemas basados en agentes utilizando el entorno Repast.

Objetivos del curso

1. Presentar a los participantes los principios y conceptos del modelado y la simulación basados en agentes.
2. Desarrollar la capacidad de los participantes para leer y comprender el código de programación de modelado de agentes.
3. Equipar a los participantes con conocimientos, para que entiendan la importancia de un modelado exacto y preciso.
4. Aumente la comprensión de los participantes de sus propios sistemas utilizando la simulación basada en agentes.
5. Desarrollar una mejor capacidad de uso y codificación de sistemas basados en agentes utilizando repast, reLogo.

Esta capacitación en vivo dirigida por un instructor en Ecuador (en línea o en el sitio) está dirigida a investigadores que desean usar Mesa para crear modelos basados en agentes en un entorno Python.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure el entorno de desarrollo necesario para iniciar el modelado en Python.
• Cree rápidamente un modelo basado en agentes utilizando los componentes principales integrados de Mesa.
• Amplíe la complejidad del modelo.
• Visualice la actividad de los agentes en tiempo real dentro de un navegador.
• Analice los resultados del modelo de forma interactiva utilizando Python herramientas de análisis de datos.
• Integre el modelo con otros sistemas Python, como aplicaciones de aprendizaje automático.