Zaawansowane modelowanie symulacyjne

Teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Zastosowania symulacji stochastycznej w modelowaniu dynamicznym. Metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz optymalizacja modelu. Tworzenie modeli symulacyjnych w języku Julia z wykorzystaniem szeregu bibliotek do obliczeń numerycznych, generacji liczb losowych i optymalizacji. Obliczenia symulacyjne w chmurze (cloud computing).

Przedmiot jest kontynuacją i rozszerzeniem przedmiotu "Symulacje w arkuszu kalkulacyjnym" w zakresie teorii i zastosowania symulacji stochastycznej w modelowaniu dynamicznym. W oparciu o finansowe i zarządcze studia przypadku prezentowana jest teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Duży nacisk położono na metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz na optymalizację modelu. Podczas zajęć modele symulacyjne są tworzone z wykorzystaniem języka Julia, oraz dedykowanych narzędzi w tym Microsoft Visual Studio Code oraz Jupyter notebook. Po wybranych zajęciach studenci przygotowują raporty.

Literatura podstawowa:

A. M. Law, Simulation Modeling and Analysis, Fourth Edition, Mc Graw - Hill, 2007;

Materiały konferencji Winter Simulation Conference - http://informs-sim.org/;

Julia Express (wprowadzenie do języka Julia) - https://github.com/bkamins/The-Julia-Express

https://juliaacademy.com/

Literatura uzupełniająca:

Mielczarek B., Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009

Zaleski J., Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004

P. Glasserman, Monte Carlo Methods in Financial Engineering (Stochastic Modelling and Applied Probability), Springer 2003

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 0.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne: 0.00%

projekty (raporty grupowe): 100.00%

studia przypadków: 0.00%

prezentacje indywidualne lub grupowe: 0.00%

Odsetek nieobecności, powyżej którego nie zalicza się przedmiotu (nie dot. wykładów)

wyrażony odsetkiem godzin, powyżej którego wyklucza się osiągnięcie efektów uczenia się: 50%

Szczegółowe warunki zaliczenia:

Do zaliczenia przedmiotu jest wymagana obecność studenta na przynajmniej 50% zajęć.

Teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Zastosowania symulacji stochastycznej w modelowaniu dynamicznym. Metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz optymalizacja modelu. Tworzenie modeli symulacyjnych w języku Julia z wykorzystaniem szeregu bibliotek do obliczeń numerycznych, generacji liczb losowych i optymalizacji. Obliczenia symulacyjne w chmurze (cloud computing).

Przedmiot jest kontynuacją i rozszerzeniem przedmiotu "Symulacje w arkuszu kalkulacyjnym" w zakresie teorii i zastosowania symulacji stochastycznej w modelowaniu dynamicznym. W oparciu o finansowe i zarządcze studia przypadku prezentowana jest teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Duży nacisk położono na metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz na optymalizację modelu. Podczas zajęć modele symulacyjne są tworzone z wykorzystaniem języka Julia, oraz dedykowanych narzędzi w tym Microsoft Visual Studio Code oraz Jupyter notebook. Po wybranych zajęciach studenci przygotowują raporty.

Literatura podstawowa:

A. M. Law, Simulation Modeling and Analysis, Fourth Edition, Mc Graw - Hill, 2007;

Materiały konferencji Winter Simulation Conference - http://informs-sim.org/;

Julia Express (wprowadzenie do języka Julia) - https://github.com/bkamins/The-Julia-Express

https://juliaacademy.com/

Literatura uzupełniająca:

Mielczarek B., Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009

Zaleski J., Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004

P. Glasserman, Monte Carlo Methods in Financial Engineering (Stochastic Modelling and Applied Probability), Springer 2003

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 0.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne: 0.00%

projekty (raporty grupowe): 100.00%

studia przypadków: 0.00%

prezentacje indywidualne lub grupowe: 0.00%

Odsetek nieobecności, powyżej którego nie zalicza się przedmiotu (nie dot. wykładów)

wyrażony odsetkiem godzin, powyżej którego wyklucza się osiągnięcie efektów uczenia się: 50%

Szczegółowe warunki zaliczenia:

Do zaliczenia przedmiotu jest wymagana obecność studenta na przynajmniej 50% zajęć.

Teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Zastosowania symulacji stochastycznej w modelowaniu dynamicznym. Metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz optymalizacja modelu. Tworzenie modeli symulacyjnych w języku Julia z wykorzystaniem szeregu bibliotek do obliczeń numerycznych, generacji liczb losowych i optymalizacji. Obliczenia symulacyjne w chmurze (cloud computing).

Przedmiot jest kontynuacją i rozszerzeniem przedmiotu "Symulacje w arkuszu kalkulacyjnym" w zakresie teorii i zastosowania symulacji stochastycznej w modelowaniu dynamicznym. W oparciu o finansowe i zarządcze studia przypadku prezentowana jest teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Duży nacisk położono na metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz na optymalizację modelu. Podczas zajęć modele symulacyjne są tworzone z wykorzystaniem języka Julia, oraz dedykowanych narzędzi w tym Microsoft Visual Studio Code oraz Jupyter notebook. Po wybranych zajęciach studenci przygotowują raporty.

Literatura podstawowa:

A. M. Law, Simulation Modeling and Analysis, Fourth Edition, Mc Graw - Hill, 2007;

Materiały konferencji Winter Simulation Conference - http://informs-sim.org/;

Julia Express (wprowadzenie do języka Julia) - https://github.com/bkamins/The-Julia-Express

https://juliaacademy.com/

Literatura uzupełniająca:

Mielczarek B., Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009

Zaleski J., Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004

P. Glasserman, Monte Carlo Methods in Financial Engineering (Stochastic Modelling and Applied Probability), Springer 2003

Teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Zastosowania symulacji stochastycznej w modelowaniu dynamicznym. Metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz optymalizacja modelu. Tworzenie modeli symulacyjnych w języku Julia z wykorzystaniem szeregu bibliotek do obliczeń numerycznych, generacji liczb losowych i optymalizacji. Obliczenia symulacyjne w chmurze (cloud computing).

Przedmiot jest kontynuacją i rozszerzeniem przedmiotu "Symulacje w arkuszu kalkulacyjnym" w zakresie teorii i zastosowania symulacji stochastycznej w modelowaniu dynamicznym. W oparciu o finansowe i zarządcze studia przypadku prezentowana jest teoria symulacji oraz techniki konstruowania i weryfikacji modeli symulacyjnych. Duży nacisk położono na metody analizy wynikowych zmiennych losowych w zakresie oceny wrażliwości i ryzyka oraz na optymalizację modelu. Podczas zajęć modele symulacyjne są tworzone z wykorzystaniem języka Julia, oraz dedykowanych narzędzi w tym Microsoft Visual Studio Code oraz Jupyter notebook. Po wybranych zajęciach studenci przygotowują raporty.

Literatura podstawowa:

A. M. Law, Simulation Modeling and Analysis, Fourth Edition, Mc Graw - Hill, 2007;

Materiały konferencji Winter Simulation Conference - http://informs-sim.org/;

Julia Express (wprowadzenie do języka Julia) - https://github.com/bkamins/The-Julia-Express

https://juliaacademy.com/

Literatura uzupełniająca:

Mielczarek B., Modelowanie symulacyjne w zarządzaniu - symulacja dyskretna, Politechnika Wrocławska, 2009

Zaleski J., Modele stochastyczne i symulacja komputerowa: zastosowanie do systemów zaopatrzenia w wodę, PWN, 2004

P. Glasserman, Monte Carlo Methods in Financial Engineering (Stochastic Modelling and Applied Probability), Springer 2003