Build your ultimate AI agent
कोर्स विवरण
अनुकूलन समस्याएँ इंजीनियरिंग, विज्ञान और सामाजिक विज्ञान में सर्वव्यापी हैं। यह पाठ्यक्रम आपको शून्य अनुकूलन ज्ञान से एक नायक अनुकूलक तक ले जाएगा। आप वास्तविक दुनिया की समस्याओं को गणितीय समस्याओं में बदलने और उन्हें Python में SciPy तथा PuLP पैकेजों का उपयोग करके हल करने के लिए गणितीय मॉडलिंग का उपयोग करेंगे।
SymPy के साथ अनियंत्रित अनुकूलन समस्याओं पर कलन लागू करें
आप एक अनुकूलन समस्या की परिभाषा और इसके उपयोग के मामलों को सीखना शुरू करेंगे। आप अनियंत्रित अनुकूलन के लिए विश्लेषणात्मक समाधान प्राप्त करने हेतु कैलकुलस लागू करने के लिए SymPy का उपयोग करेंगे। आपको अवकलजों की गणना या समीकरणों को हल करने की आवश्यकता नहीं होगी; SymPy बिना किसी रुकावट के काम करता है! इसी तरह, आप संख्यात्मक समाधान प्राप्त करने के लिए SciPy का उपयोग करेंगे।जटिल समस्याओं का सीधे सामना करें
इसके बाद, आप SciPy और PuLP में रैखिक प्रोग्रामिंग समस्याओं को हल करना सीखेंगे। वास्तविक दुनिया की जटिलता को समझने के लिए, आप देखेंगे कि बाधित उत्तल अनुकूलन और मिश्रित पूर्णांक अनुकूलन को हल करने के लिए PuLP और SciPy का उपयोग कैसे किया जाए। इस पाठ्यक्रम के अंत तक, आपने वास्तविक दुनिया की अनुकूलन समस्याएँ हल कर ली होंगी, जिनमें विनिर्माण, लाभ और बजट, संसाधन आवंटन, और भी बहुत कुछ शामिल है।पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Optimization परिचय
यह अध्याय ऑप्टिमाइज़ेशन, उसके मुख्य अवयवों, और विभिन्न उद्योगों व डोमेनों में उसके व्यापक उपयोग का परिचय देता है। यह किसी ऑप्टिमाइज़ेशन समस्या को हल करने के लिए एक त्वरित, exhaustive search विधि प्रस्तुत करता है। साथ ही, इस कोर्स के लिए आवश्यक अवधारणाओं का एक गणितीय प्राइमर भी देता है।
2
Unconstrained और Linear Constrained Optimization
यह अध्याय differential calculus और SymPy के साथ unconstrained और constrained ऑप्टिमाइज़ेशन समस्याएँ हल करने को कवर करता है और संभावित मुश्किलों की पहचान कराता है। SciPy का परिचय भी दिया गया है ताकि आप कुछ पंक्तियों के कोड में, एक-आयामी और बहु-आयामी, unconstrained ऑप्टिमाइज़ेशन समस्याएँ संख्यात्मक रूप से हल कर सकें। अध्याय आगे SciPy और PuLP में linear programming भी हल करता है।
3
Non-linear Constrained Optimization
यह अध्याय विभिन्न constraints के साथ convex-constrained ऑप्टिमाइज़ेशन समस्याओं का परिचय देता है और mixed integer linear programming समस्याओं को देखता है—मूलतः वे linear programming समस्याएँ जिनमें कम से कम एक वैरिएबल integer होता है।
4
Robust Optimization Techniques
यह अध्याय तब global optimum खोजना कवर करता है जब कई अच्छे समाधान मौजूद हों। हम sensitivity analysis करेंगे और ऐसी linearization तकनीकें सीखेंगे जो non-linear समस्याओं को SciPy या PuLP के साथ आसानी से हल होने योग्य रूप में बदल देती हैं। अनुप्रयोगों के रूप में, हम training costs के साथ HR allocation और dependent projects वाली capital budgeting समस्याएँ हल करेंगे।
Python में Optimization परिचय
कोर्स
पूरा
