Drukuj sylabusZaawansowane modelowanie symulacyjne
Informacje ogólne
| Kod przedmiotu: | 234060-S |
| Kod Erasmus / ISCED: |
04.2
|
| Nazwa przedmiotu: | Zaawansowane modelowanie symulacyjne |
| Jednostka: | Szkoła Główna Handlowa w Warszawie |
| Grupy: |
Przedmioty kierunkowe do wyboru NMMS-ADA Przedmioty kierunkowe do wyboru NMMS-MIS |
| Punkty ECTS i inne: |
3.00 (zmienne w czasie)
|
| Język prowadzenia: | polski |
| Efekty uczenia się: |
Wiedza: 1. Zdefiniowanie i ustrukturyzowanie sytuacji decyzyjnej z niepewnością i ryzykiem. 2. Metodyka symulacji stochastycznej we wspomaganiu decyzji. 3. Metody redukcji wariancji. 4. Metody generowania skorelowanych zmiennych pseudolosowych. 5. Symulacyjne metody w optymalizacji. Umiejętności: 1. Analiza skomplikowanych sytuacji decyzyjnych w warunkach ryzyka. 2. Budowa i weryfikacja modelu symulacyjnego przy zastosowaniu narzędzi analizy dynamiki systemów, z uwzględnieniem niepewności i współzależności parametrów. 3. Wybór i stosowanie testów statystycznych (zgodności rozkładów, istotności różnic itp.) przy symulacyjnym porównaniu wariantów decyzyjnych oraz przy weryfikacji modelu symulacyjnego. 4. Efektywne implementowanie modelu symulacyjnego przy użyciu języka Python, z wykorzystaniem narzędzi do obliczeń numerycznych (numpy, scipy). 5. Uruchamianie modelu symulacyjnego w chmurach obliczeniowych (cloud computing). 6. Wyciąganie wniosków z rezultatów uzyskanych na drodze symulacyjnej oraz formułowanie rekomendacji z uwzględnieniem ryzyka nieosiągnięcia celu. Kompetencje społeczne: 1. Analiza złożonych problemów biznesowych. 2. Precyzyjne i zwięzłe formułowanie oraz dokumentowanie wniosków badawczych. 3. Budowa skutecznej argumentacji z wykorzystaniem metod statystycznych i technik wizualnych (wykresów, tabel). |
Zajęcia w cyklu "Preferencje - Semestr letni 2024/25" (jeszcze nie rozpoczęty)
| Okres: | 2025-02-15 - 2025-09-30 |
 
PN WT ŚR CZ PT |
| Typ zajęć: |
Zajęcia prowadzącego
|
|
| Koordynatorzy: | (brak danych) | |
| Prowadzący grup: | Przemysław Szufel | |
| 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 |
PN WT ŚR CZ PT SO N LAB
WYK
LAB
|
| Typ zajęć: |
Laboratorium, 6 godzin
Wykład, 8 godzin
|
|
| Koordynatorzy: | (brak danych) | |
| Prowadzący grup: | Mateusz Zawisza | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
| Skrócony opis: |
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). |
|
| Pełny opis: |
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: |
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 |
|
| Uwagi: |
Kryteria oceniania: egzamin tradycyjny-pisemny: 0.00% egzamin testowy: 0.00% egzamin ustny: 0.00% kolokwium: 0.00% referaty/eseje: 0.00% ocena z ćwiczeń: 0.00% inne: 0.00% projekty: 100.00% studia przypadków: 0.00% prezentacje indywidualne lub grupowe: 0.00% |
|
Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)
| Okres: | 2024-10-01 - 2025-02-14 |
PN WT ŚR CZ PT SO N LAB
WYK
|
| Typ zajęć: |
Laboratorium, 6 godzin
Wykład, 8 godzin
|
|
| Koordynatorzy: | (brak danych) | |
| Prowadzący grup: | Szymon Chudziak | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
| Skrócony opis: |
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). |
|
| Pełny opis: |
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: |
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 |
|
| Uwagi: |
Kryteria oceniania: egzamin tradycyjny-pisemny: 0.00% egzamin testowy: 0.00% egzamin ustny: 0.00% kolokwium: 0.00% referaty/eseje: 0.00% ocena z ćwiczeń: 0.00% inne: 0.00% projekty: 100.00% studia przypadków: 0.00% prezentacje indywidualne lub grupowe: 0.00% |
|
Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)
| Okres: | 2024-02-24 - 2024-09-30 |
PN WT ŚR CZ PT |
| Typ zajęć: |
Laboratorium, 6 godzin
Wykład, 8 godzin
|
|
| Koordynatorzy: | (brak danych) | |
| Prowadzący grup: | (brak danych) | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
| Skrócony opis: |
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 Python z wykorzystaniem bilbioteki numerycznej numpy. Obliczenia symulacyjne w chmurze (cloud computing). |
|
| Pełny opis: |
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 Python oraz dedykowanych narzędzi. Po wybranych zajęciach studenci przygotowują raporty. |
|
| Literatura: |
Literatura podstawowa: A. M. Law, Simulation Modeling and Analysis, Fourth Edition, Mc Graw - Hill, 2007; Materiały konferencji Winter Simulation Conference - http://informs-sim.org/; Python language reference - https://docs.python.org/3/reference/ 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 |
|
| Uwagi: |
Kryteria oceniania: egzamin tradycyjny-pisemny: 0.00% egzamin testowy: 0.00% egzamin ustny: 0.00% kolokwium: 0.00% referaty/eseje: 0.00% ocena z ćwiczeń: 0.00% inne: 0.00% projekty: 100.00% studia przypadków: 0.00% prezentacje indywidualne lub grupowe: 0.00% |
|
Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)
| Okres: | 2023-10-01 - 2024-02-23 |
PN WT ŚR CZ PT SO N LAB
WYK
|
| Typ zajęć: |
Laboratorium, 6 godzin
Wykład, 8 godzin
|
|
| Koordynatorzy: | (brak danych) | |
| Prowadzący grup: | Mateusz Zawisza | |
| Lista studentów: | (nie masz dostępu) | |
| Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
| Skrócony opis: |
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 Python z wykorzystaniem bilbioteki numerycznej numpy. Obliczenia symulacyjne w chmurze (cloud computing). |
|
| Pełny opis: |
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 Python oraz dedykowanych narzędzi. Po wybranych zajęciach studenci przygotowują raporty. |
|
| Literatura: |
Literatura podstawowa: A. M. Law, Simulation Modeling and Analysis, Fourth Edition, Mc Graw - Hill, 2007; Materiały konferencji Winter Simulation Conference - http://informs-sim.org/; Python language reference - https://docs.python.org/3/reference/ 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 |
|
| Uwagi: |
Kryteria oceniania: egzamin tradycyjny-pisemny: 0.00% egzamin testowy: 0.00% egzamin ustny: 0.00% kolokwium: 0.00% referaty/eseje: 0.00% ocena z ćwiczeń: 0.00% inne: 0.00% projekty: 100.00% studia przypadków: 0.00% prezentacje indywidualne lub grupowe: 0.00% |
|
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.
