Cơ sở của Digital Twin Khóa Học Đào Tạo

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Việt Nam (trực tuyến hoặc tại chỗ) dành cho các nhà nghiên cứu muốn sử dụng Mesa để tạo Mô hình Dựa trên Tác nhân trong môi trường Python.

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Cài đặt và cấu hình môi trường phát triển cần thiết để bắt đầu mô hình hóa trong Python.
• Nhanh chóng tạo một mô hình dựa trên tác nhân bằng cách sử dụng các thành phần cốt lõi tích hợp của Mesa.
• Mở rộng độ phức tạp của mô hình.
• Trực quan hóa hoạt động của tác nhân trong thời gian thực trên trình duyệt.
• Phân tích kết quả của mô hình một cách tương tác bằng cách sử dụng các công cụ phân tích dữ liệu Python.
• Tích hợp mô hình với các hệ thống Python khác như ứng dụng học máy.

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này tại Việt Nam (trực tuyến hoặc tại chỗ) dành cho các nhà điều tra muốn sử dụng NetLogo để tạo Mô hình Dựa trên Tác nhân (ABM).

Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Cài đặt NetLogo.
• Phát triển một mô hình dựa trên tác nhân.
• Trực quan hóa hoạt động của tác nhân.
• Phân tích kết quả của mô hình.
• Kiểm tra và ghi lại mô hình mô phỏng dựa trên tác nhân.

Bộ công cụ Repast là một bộ các thư viện mô phỏng và mô hình dựa trên đại lý (agent-based) tiên tiến, miễn phí và mã nguồn mở đã được phát triển liên tục hơn 10 năm. Khóa học kéo dài bốn ngày tại Việt Nam (trực tuyến hoặc trực tiếp) giải thích chi tiết cách tạo mô phỏng cho các hệ thống dựa trên đại lý sử dụng môi trường Repast.

Mục tiêu khóa học

1. Giới thiệu cho người tham gia về nguyên tắc và khái niệm của mô hình và mô phỏng dựa trên đại lý.
2. Nâng cao khả năng đọc và hiểu mã lập trình mô hình dựa trên đại lý của người tham gia.
3. Trang bị kiến thức để họ hiểu được tầm quan trọng của việc tạo mô hình chính xác và chi tiết.
4. Tăng cường sự hiểu biết của người tham gia về hệ thống của riêng họ sử dụng mô phỏng dựa trên đại lý.
5. Nâng cao khả năng sử dụng và lập trình các hệ thống dựa trên đại lý bằng Repast, reLogo.