Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Modelowanie wieloagentowe

Informacje ogólne

Kod przedmiotu: 234900-D
Kod Erasmus / ISCED: 11.9 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0619) Komputeryzacja (inne) Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Modelowanie wieloagentowe
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy: Przedmioty kierunkowe do wyboru SMMD-ADA
Przedmioty kierunkowe do wyboru SMMD-MIS
Punkty ECTS i inne: 3.00 (zmienne w czasie) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
zobacz reguły punktacji
Język prowadzenia: polski
Efekty uczenia się:

Wiedza:

Podstawowe pojęcia związane z modelowaniem wieloagentowym.

Zalety i ograniczenia modelowania wieloagentowego.

Obszary zastosowań modelowania wieloagentowego.

Standardy projektowania, implementacji i analizy wyników modelowania wieloagentowego.

Umiejętności:

Zaprojektować i zaimplementować model wieloagentowy w języku Julia.

Przeanalizować wyniki symulacji wieloagentowej.

Przygotować raport z przeprowadzonego procesu modelowania.

Zapoznawać się i krytycznie oceniać gotowe modele wieloagentowe,

Kompetencje społeczne:

Komunikowanie wyników modelowania wieloagentowego specjalistom i decydentom.

Zdolność do dalszego samodzielnego poszerzania wiedzy w zakresie modelowania wieloagentowego.

Zajęcia w cyklu "Preferencje - Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-15 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Zajęcia prowadzącego więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Bogumił Kamiński
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Zajęcia prowadzącego - Ocena

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-15 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 12 godzin więcej informacji
Wykład, 18 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Bogumił Kamiński
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Wprowadzenie do modelowania wieloagentowego i uczenia ze wzmocnieniem.

Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.

Wykład prowadzony jest w języku Julia.
Pełny opis:

Przedstawienie pojęć związanych z modelowaniem symulacyjnym, a w szczególności wieloagentowym i uczeniem ze wzmocnienime. Omówienie sytuacji, w których takie modelowanie jest właściwą techniką analityczną. Nauczenie samodzielnego projektowania i implementacji modeli symulacyjnych przy wykorzystaniu języka Julia. Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.
Literatura:

Literatura podstawowa:

B. Kamiński: Podejście wieloagentowe do modelowania rynków. Metody i zastosowania, Oficyna wydawnicza SGH, 2012.; B. Kamiński: The Julia Epress, http://bogumilkaminski.pl/files/julia_express.pdf; B. Kamiński: Julia DataFrames tutorial, https://github.com/bkamins/Julia-DataFrames-Tutorial

Literatura uzupełniająca:

B. Kamiński, P. Szufel: Julia 1.0 Programming Cookbook, https://www.packtpub.com/application-development/julia-10-programming-cookbook;

Axelrod R., L. Tesfatsion, On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences; Wilensky, U. (1999), NetLogo;

Paradis E., R for Begginers; Vidal J.M. (2010), Fundamentals of Multiagent Systems with NetLogo Examples;

Shoham Y., Leyton-Brown K. (2008), Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations, Cambridge University Press.
Uwagi:

Kryteria oceniania:

egzamin ustny: 100.00%

Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)

Okres: 2024-10-01 - 2025-02-14
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 12 godzin więcej informacji
Wykład, 18 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Bartosz Pankratz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Wprowadzenie do modelowania wieloagentowego i uczenia ze wzmocnieniem.

Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.

Wykład prowadzony jest w języku Julia.
Pełny opis:

Przedstawienie pojęć związanych z modelowaniem symulacyjnym, a w szczególności wieloagentowym i uczeniem ze wzmocnienime. Omówienie sytuacji, w których takie modelowanie jest właściwą techniką analityczną. Nauczenie samodzielnego projektowania i implementacji modeli symulacyjnych przy wykorzystaniu języka Julia. Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.
Literatura:

Literatura podstawowa:

B. Kamiński: Podejście wieloagentowe do modelowania rynków. Metody i zastosowania, Oficyna wydawnicza SGH, 2012.; B. Kamiński: The Julia Epress, http://bogumilkaminski.pl/files/julia_express.pdf; B. Kamiński: Julia DataFrames tutorial, https://github.com/bkamins/Julia-DataFrames-Tutorial

Literatura uzupełniająca:

B. Kamiński, P. Szufel: Julia 1.0 Programming Cookbook, https://www.packtpub.com/application-development/julia-10-programming-cookbook;

Axelrod R., L. Tesfatsion, On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences; Wilensky, U. (1999), NetLogo;

Paradis E., R for Begginers; Vidal J.M. (2010), Fundamentals of Multiagent Systems with NetLogo Examples;

Shoham Y., Leyton-Brown K. (2008), Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations, Cambridge University Press.
Uwagi:

Kryteria oceniania:

egzamin ustny: 100.00%

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-24 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 12 godzin więcej informacji
Wykład, 18 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Bartosz Pankratz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Wprowadzenie do modelowania wieloagentowego i uczenia ze wzmocnieniem.

Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.

Wykład prowadzony jest w języku Julia.
Pełny opis:

Przedstawienie pojęć związanych z modelowaniem symulacyjnym, a w szczególności wieloagentowym i uczeniem ze wzmocnienime. Omówienie sytuacji, w których takie modelowanie jest właściwą techniką analityczną. Nauczenie samodzielnego projektowania i implementacji modeli symulacyjnych przy wykorzystaniu języka Julia. Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.
Literatura:

Literatura podstawowa:

B. Kamiński: Podejście wieloagentowe do modelowania rynków. Metody i zastosowania, Oficyna wydawnicza SGH, 2012.; B. Kamiński: The Julia Epress, http://bogumilkaminski.pl/files/julia_express.pdf; B. Kamiński: Julia DataFrames tutorial, https://github.com/bkamins/Julia-DataFrames-Tutorial

Literatura uzupełniająca:

B. Kamiński, P. Szufel: Julia 1.0 Programming Cookbook, https://www.packtpub.com/application-development/julia-10-programming-cookbook;

Axelrod R., L. Tesfatsion, On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences; Wilensky, U. (1999), NetLogo;

Paradis E., R for Begginers; Vidal J.M. (2010), Fundamentals of Multiagent Systems with NetLogo Examples;

Shoham Y., Leyton-Brown K. (2008), Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations, Cambridge University Press.
Uwagi:

Kryteria oceniania:

egzamin ustny: 100.00%

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-02-23
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 12 godzin więcej informacji
Wykład, 18 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Bartosz Pankratz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Wykład - Ocena
Skrócony opis:

Wprowadzenie do modelowania wieloagentowego i uczenia ze wzmocnieniem.

Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.

Wykład prowadzony jest w języku Julia.
Pełny opis:

Przedstawienie pojęć związanych z modelowaniem symulacyjnym, a w szczególności wieloagentowym i uczeniem ze wzmocnienime. Omówienie sytuacji, w których takie modelowanie jest właściwą techniką analityczną. Nauczenie samodzielnego projektowania i implementacji modeli symulacyjnych przy wykorzystaniu języka Julia. Wykład zakłada wcześniejsze ukończenie przedmiotu Zaawansowane Modelowanie Symulacyjne.
Literatura:

Literatura podstawowa:

B. Kamiński: Podejście wieloagentowe do modelowania rynków. Metody i zastosowania, Oficyna wydawnicza SGH, 2012.; B. Kamiński: The Julia Epress, http://bogumilkaminski.pl/files/julia_express.pdf; B. Kamiński: Julia DataFrames tutorial, https://github.com/bkamins/Julia-DataFrames-Tutorial

Literatura uzupełniająca:

B. Kamiński, P. Szufel: Julia 1.0 Programming Cookbook, https://www.packtpub.com/application-development/julia-10-programming-cookbook;

Axelrod R., L. Tesfatsion, On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences; Wilensky, U. (1999), NetLogo;

Paradis E., R for Begginers; Vidal J.M. (2010), Fundamentals of Multiagent Systems with NetLogo Examples;

Shoham Y., Leyton-Brown K. (2008), Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations, Cambridge University Press.
Uwagi:

Kryteria oceniania:

egzamin ustny: 100.00%
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.
al. Niepodległości 162
02-554 Warszawa tel: +48 22 564 60 00 http://www.sgh.waw.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.0.0