Návrh Školení

Úvod do víceagentových systémů

  • Přehled agentů, prostředí a modelů interakce
  • Spolupráce, konkurence a autonomie v agenticích systémech
  • Aplikace v logistice, robotice a rozhodování

Základní koncepty architektury agentů

  • Reaktivní vs. deliberační agenty
  • Protokoly komunikace a modely koordinace
  • Reprezentace znalostí a sdílený stav

Implementace agentů v Pythonu

  • Vytváření agentů pomocí rámce Mesa
  • Modelování prostředí a interakcí
  • Simulace chování agentů a vizualizace

Koordinace a komunikace

  • Předávání zpráv a architektury sdílené paměti
  • Vyjednávání, konsenzus a přidělování úkolů
  • Algoritmy koordinace (contract net, market-based, swarm models)

Učení a adaptace ve víceagentových systémech

  • Posilovací učení pro více agentů
  • Spolupracující vs. konkurenční dynamiky učení
  • Použití PettingZoo a Stable-Baselines3 pro MARL (Multi-Agent Reinforcement Learning)

Distribuované výpočty a škálování

  • Použití Ray pro distribuované simulace víceagentových systémů
  • Řízení konkurenčnosti a synchronizace
  • Paralelizace výpočtů a zpracování sdílených zdrojů

Spolupráce mezi lidmi a agenty

  • Návrh rozhraní pro koordinaci s lidskou účastí
  • Hybridní pracovní postupy s AI podporovaným rozhodováním
  • Etické a operativní zvažování

Kardinální projekt

  • Návrh a implementace víceagentového systému v Pythonu
  • Demonstrování koordinace a učení mezi agenty
  • Prezentace výsledků simulace a výkonnostních poznatků

Shrnutí a další kroky

Požadavky

  • Silná ovládání programování v Pythonu
  • Dobré porozumění posilovacímu učení nebo návrhu AI agentů
  • Znalost distribuovaných systémů a pojmů sítí

Cílová skupina

  • System architektové návrhující spolupracovní nebo distribuované AI systémy
  • Vědci pracující na koordinaci a kolektivní inteligenci
  • Inženýři vyvíjející hybridní lidi–agent nebo víceagentové pracovní postupy
 28 hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie