Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Los problemas de optimización son omnipresentes en ingeniería, ciencias y ciencias sociales. Este curso te llevará de tener cero conocimientos sobre optimización a convertirte en un optimizador experto. Utilizarás modelos matemáticos para traducir problemas del mundo real en problemas matemáticos y resolverlos en Python utilizando los paquetes SciPy y PuLP.
Aplica el cálculo a problemas de optimización sin restricciones con SymPy
Comenzarás aprendiendo la definición de un problema de optimización y sus casos de uso. Utilizarás SymPy para aplicar el cálculo y obtener soluciones analíticas para la optimización sin restricciones. No tendrás que calcular derivadas ni resolver ecuaciones; ¡SymPy funciona a la perfección! Del mismo modo, utilizarás SciPy para obtener soluciones numéricas.Aborda los problemas complejos de frente
A continuación, aprenderás a resolver problemas de programación lineal en SciPy y PuLP. Para captar la complejidad del mundo real, verás cómo aplicar PuLP y SciPy para resolver optimizaciones convexas con restricciones y optimizaciones mixtas enteras. Al finalizar este curso, habrás resuelto problemas de optimización del mundo real, incluyendo fabricación, beneficios y presupuestos, asignación de recursos y mucho más.Requisitos previos
Programa de formación
Contenido del curso
1
Introducción a la optimización
Este capítulo presenta la optimización, sus componentes esenciales y sus amplias aplicaciones en distintos sectores y ámbitos. Muestra un método rápido de búsqueda exhaustiva para resolver un problema de optimización. También ofrece un repaso matemático de los conceptos necesarios para este curso.
- Introducción a la optimización matemática50 XP
- Entender la optimización matemática50 XP
- Aplicar una función objetivo100 XP
- Método de búsqueda exhaustiva100 XP
- Optimización univariada50 XP
- Calcular la derivada100 XP
- Calcula la segunda derivada100 XP
- Optimización multivariante50 XP
- Derivadas parciales con SymPy100 XP
- Limitaciones de la derivación100 XP
2
Optimización sin restricciones y con restricciones lineales
Este capítulo aborda la resolución de problemas de optimización sin y con restricciones mediante cálculo diferencial y SymPy, señalando posibles escollos. Además, se presenta SciPy para resolver numéricamente problemas de optimización sin restricciones, en una y varias dimensiones, con pocas líneas de código. El capítulo continúa con la resolución de programación lineal en SciPy y PuLP.
3
Optimización no lineal con restricciones
Este capítulo introduce problemas de optimización convexa con restricciones de distintos tipos y analiza problemas de programación lineal entera mixta, esencialmente programación lineal donde al menos una variable es entera.
4
Técnicas de optimización robusta
Este capítulo trata cómo encontrar el óptimo global cuando existen varias soluciones buenas. Realizaremos análisis de sensibilidad y aprenderemos técnicas de linealización que convierten problemas no lineales en otros fácilmente resolubles con SciPy o PuLP. En cuanto a aplicaciones, resolveremos un problema de asignación de RR. HH. con costes de formación y un presupuesto de capital con proyectos dependientes.
Introducción a la optimización en Python
Curso
completado
