Hubungi Kami

Kerangka Materi

Pengantar Sistem Multi-Agen

  • Gambaran umum tentang agen, lingkungan operasional, dan model interaksi antar-agen
  • Konsep kerja sama, persaingan, serta tingkat otonomi dalam sistem agen
  • Penerapan sistem multi-agen di bidang logistik, robotika, dan pengambilan keputusan

Konsep-Konsep Dasar Arsitektur Agen

  • Perbandingan antara agen reaktif dan agen yang mampu berpikir strategis
  • Protokol komunikasi serta model koordinasi antar-agen
  • Cara merepresentasikan pengetahuan serta pengelolaan data bersama antar-agen

Implementasi Agen dalam Python

  • Cara membuat agen menggunakan kerangka kerja Mesa
  • Pemodelan lingkungan dan cara mengatur interaksi antar-agen
  • Teknik simulasi serta visualisasi perilaku agen

Koordinasi dan Komunikasi Antar-Agen

  • Penggunaan sistem pertukaran pesan serta arsitektur memori bersama dalam sistem distribusi
  • Proses negosiasi, pencapaian konsensus, dan pembagian tugas secara terstruktur
  • Algoritma koordinasi populer seperti Contract Net Protocol, sistem berbasis pasar, maupun model swarming

Pembelajaran serta Adaptasi dalam Sistem Multi-Agen

  • Implementasi teknik pembelajaran penguatan untuk beberapa agen secara bersamaan
  • Dinamika interaksi antara pola belajar kooperatif dan kompetitif dalam sistem multi-agen
  • Cara memanfaatkan alat PettingZoo serta Stable-Baselines3 dalam penyusunan solusi MARL

Komputasi Terdistribusi dan Skalabilitas Sistem Multi-Agen

  • Memanfaatkan perangkat lunak Ray dalam penyusunan simulasi multi-agen berskala besar
  • Manajemen sinkronisasi serta pemrosesan secara konkuren dalam sistem terdistribusi
  • Pendekatan efektif untuk mempercepat perhitungan sekaligus pengelolaan sumber daya bersama antar-agen

Kolaborasi Antarmanusia dan Agen Cerdas

  • Teknik perancangan antarmuka pengguna yang mendukung koordinasi antara manusia dengan agen dalam satu siklus kerja
  • Pola alur kerja hibrida memadukan bantuan teknis dari AI terhadap proses pengambilan keputusan manusia
  • Pertimbangan etika serta operasional dalam implementasi sistem kolaboratif tersebut

Proyek Akhir Kursus

  • Merancang dan mengimplementasikan sistem multi-agen dalam lingkungan Python
  • Memperagakan mekanisme koordinasi serta pola belajar yang terjadi antar agen selama pelatihan simulasi berlangsung
  • Menguraikan hasil simulasi serta pengamatan keterukuran terkait efisiensi sistem yang dibuat

Penutup dan Langkah Selanjutnya

Persyaratan

  • Kemampuan programming Python yang baik
  • Pemahaman mendasar mengenai pembelajaran penguatan maupun desain agen AI
  • Pengetahuan awal tentang sistem terdistribusi dan konsep jaringan komputer

Target Peserta

  • Arsitek sistem yang merancang sistem AI kolaboratif atau terdistribusi
  • Peneliti di bidang koordinasi dan kecerdasan kolektif
  • Insinyur yang mengembangkan alur kerja hibrida memadukan interaksi manusia-agen atau sistem multi-agen
 28 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait