문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
멀티 에이전트 시스템 개요
- 에이전트, 환경 및 상호작용 모델 개요
- 에이전트 시스템에서의 협력, 경쟁, 자율성
- 물류, 로봇공학 및 의사결정 분야의 적용 사례
에이전트 아키텍처 핵심 개념
- 반응형(Reactive)과 숙고형(Deliberative) 에이전트
- 통신 프로토콜 및 조정 모델
- 지식 표현 및 공유 상태(Shared State)
Python을 활용한 에이전트 구현
- Mesa 프레임을 이용한 에이전트 구축
- 환경 및 상호작용 모델링
- 에이전트 행동 시뮬레이션 및 시각화
조정 및 통신
- 메시지 패싱 및 공유 메모리 아키텍처
- 협상, 합의, 작업 배분
- 조정 알고리즘(컨트랙트 넷, 시장 기반, 군집 모델)
멀티 에이전트 시스템의 학습 및 적응
- 다중 에이전트를 위한 강화 학습
- 협력적 대 경쟁적 학습 역학
- MARL을 위한 PettingZoo 및 Stable-Baselines3 활용
분산 컴퓨팅 및 확장성
- Ray를 활용한 분산 멀티 에이전트 시뮬레이션
- 동시성 및 동기화 관리
- 계산 병렬화 및 공유 리소스 처리
인간-에이전트 협력
- 인간-인-더-루프(Human-in-the-loop) 조정을 위한 인터페이스 설계
- AI 기반 의사결정 지원을 포함한 하이브리드 워크플로
- 윤리적 및 운영적 고려 사항
캡스톤 프로젝트
- Python으로 멀티 에이전트 시스템 설계 및 구현
- 에이전트 간 조정 및 학습 시연
- 시뮬레이션 결과 및 성능 인사이트 발표
요약 및 다음 단계
요건
- Python 프로그래밍에 대한 뛰어난 숙련도
- 강화 학습 또는 AI 에이전트 설계에 대한 좋은 이해
- 분산 시스템 및 네트워킹 개념에 대한 익숙함
대상 독자
- 협력 또는 분산 AI 시스템을 설계하는 시스템 아키텍트
- 조정 및 집단 지능에 종사하는 연구자
- 하이브리드 인간-에이전트 또는 멀티 에이전트 워크플로를 개발하는 엔지니어
28 시간
