코스 개요

다중 에이전트 시스템 소개

  • 에이전트, 환경, 상호작용 모델 개요
  • 에이전트 시스템에서 협력, 경쟁, 독립성
  • 물류, 로봇 공학, 의사결정 분야의 적용 사례

에이전트 아키텍처 핵심 개념

  • 반응형 vs. 심사숙고형 에이전트
  • 통신 프로토콜과 조정 모델
  • 지식 표현과 공유 상태

Python에서 에이전트 구현

  • Mesa 프레임워크를 사용한 에이전트 구축
  • 환경과 상호작용 모델링
  • 에이전트 행동 시뮬레이션 및 가시화

조정과 의사소통

  • 메시지 전달과 공유 메모리 아키텍처
  • 협상, 합의, 작업 할당
  • 조정 알고리즘(계약 네트워크, 시장 기반, 무리 모델)

다중 에이전트 시스템에서 학습과 적응

  • 여러 에이전트를 위한 강화 학습
  • 협력 vs. 경쟁 학습 동역학
  • PettingZoo와 Stable-Baselines3을 사용한 다중 에이전트 강화 학습(MARL)

분산 컴퓨팅과 확장성

  • Ray를 사용한 분산 다중 에이전트 시뮬레이션
  • 동시성과 동기화 관리
  • 계산 병렬화와 공유 자원 처리

인간-에이전트 협업

  • 인간 참여 조정을 위한 인터페이스 설계
  • AI 지원 의사결정 지원을 위한 하이브리드 워크플로
  • 윤리적 및 운영 상의 고려 사항

캡스톤 프로젝트

  • Python에서 다중 에이전트 시스템 설계 및 구현
  • 에이전트 간 조정과 학습을 보여주기
  • 시뮬레이션 결과와 성능 분석 제시

요약 및 다음 단계

요건

  • Python 프로그래밍에 대한 높은 수준의 능력
  • 강화 학습 또는 AI 에이전트 설계에 대한 좋은 이해도
  • 분산 시스템과 네트워킹 개념에 대한 익숙함

대상자

  • 협력적 또는 분산된 AI 시스템을 설계하는 시스템 아키텍트
  • 조정과 집단 지성을 연구하는 연구원
  • 인간-에이전트 또는 다중 에이전트 워크플로를 개발하는 엔지니어
 28 시간

참가자 수


참가자당 가격

예정된 코스

관련 카테고리