Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Optimierungsprobleme sind in der Technik, den Naturwissenschaften und den Sozialwissenschaften total verbreitet. Dieser Kurs macht dich vom Optimierungs-Neuling zum Optimierungsprofi. Du wirst mathematische Modelle nutzen, um Probleme aus der echten Welt in mathematische Probleme umzuwandeln und sie dann mit Python und den Paketen SciPy und PuLP zu lösen.
Wende die Analysis auf uneingeschränkte Optimierungsprobleme mit SymPy an
Du lernst zuerst, was ein Optimierungsproblem ist und wofür man es so alles nutzen kann. Du wirst SymPy nutzen, um mit Hilfe der Infinitesimalrechnung analytische Lösungen für die uneingeschränkte Optimierung zu finden. Du musst keine Ableitungen berechnen oder Gleichungen lösen; SymPy funktioniert einfach super! Genauso wirst du SciPy nutzen, um numerische Lösungen zu bekommen.Komplexe Probleme direkt angehen
Als Nächstes lernst du, wie du lineare Programmierprobleme in SciPy und PuLP löst. Um die Komplexität der realen Welt zu erfassen, lernst du, wie man PuLP und SciPy anwendet, um konvexe Optimierungsprobleme mit Nebenbedingungen und gemischt-ganzzahlige Optimierungsprobleme zu lösen. Am Ende dieses Kurses wirst du echte Optimierungsprobleme gelöst haben, zum Beispiel in den Bereichen Fertigung, Gewinn und Budgetierung, Ressourcenzuteilung und mehr.Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in die Optimierung
Dieses Kapitel führt in die Optimierung ein, erklärt ihre Kernelemente und zeigt ihre vielfältigen Anwendungen in Branchen und Domänen. Es stellt eine schnelle, erschöpfende Suchmethode zur Lösung eines Optimierungsproblems vor und liefert eine mathematische Grundlage für die in diesem Kurs benötigten Konzepte.
- Einführung in die mathematische Optimierung50 XP
- Mathematische Optimierung verstehen50 XP
- Eine Zielfunktion anwenden100 XP
- Methode der vollständigen Suche100 XP
- Eindimensionale Optimierung50 XP
- Die Ableitung bestimmen100 XP
- Finde die zweite Ableitung100 XP
- Mehrdimensionale Optimierung50 XP
- Partielle Ableitungen mit SymPy100 XP
- Grenzen der Differentiation100 XP
2
Unbeschränkte und linear beschränkte Optimierung
Dieses Kapitel behandelt das Lösen unbeschränkter und beschränkter Optimierungsprobleme mit Differentialrechnung und SymPy und zeigt mögliche Fallstricke auf. Außerdem lernst du, mit SciPy unbeschränkte Optimierungsprobleme – eindimensional und mehrdimensional – numerisch mit wenigen Zeilen Code zu lösen. Anschließend wird lineare Programmierung in SciPy und PuLP gelöst.
3
Nichtlinear beschränkte Optimierung
Dieses Kapitel führt in konvex beschränkte Optimierungsprobleme mit verschiedenen Nebenbedingungen ein und betrachtet gemischt-ganzzahlige lineare Programmierungsprobleme – also lineare Programme, bei denen mindestens eine Variable ganzzahlig ist.
4
Robuste Optimierungstechniken
Dieses Kapitel behandelt das Finden des globalen Optimums, wenn es mehrere gute Lösungen gibt. Wir führen eine Sensitivitätsanalyse durch und lernen Linearisierungstechniken kennen, die nichtlineare Probleme auf leicht lösbare mit SciPy oder PuLP reduzieren. Anhand von Anwendungen lösen wir eine HR-Ressourcenzuteilung mit Trainingskosten sowie Capital Budgeting mit abhängigen Projekten.
Einführung in Optimierung mit Python
Kurs
abgeschlossen
