After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Masalah optimasi sangat umum ditemui dalam bidang teknik, ilmu pengetahuan, dan ilmu sosial. Kursus ini akan membawa Anda dari nol pengetahuan optimasi menjadi ahli optimasi. Anda akan menggunakan pemodelan matematis untuk mengubah masalah dunia nyata menjadi masalah matematis dan menyelesaikannya menggunakan Python dengan paket SciPy dan PuLP.
Menerapkan Kalkulus pada Masalah Optimisasi Tanpa Batasan Menggunakan SymPy
Anda akan memulai dengan mempelajari definisi masalah optimasi dan penerapan-penerapannya. Anda akan menggunakan SymPy untuk menerapkan kalkulus guna mendapatkan solusi analitis pada masalah optimisasi tanpa batasan. Anda tidak perlu menghitung turunan atau menyelesaikan persamaan; SymPy bekerja dengan lancar! Demikian pula, Anda akan menggunakan SciPy untuk mendapatkan solusi numerik.Hadapi Masalah Kompleks Secara Langsung
Selanjutnya, Anda akan belajar cara menyelesaikan masalah pemrograman linier menggunakan SciPy dan PuLP. Untuk menangkap kompleksitas dunia nyata, Anda akan belajar cara menerapkan PuLP dan SciPy untuk menyelesaikan masalah optimisasi konveks terkendali dan optimisasi bilangan bulat campuran. Pada akhir kursus ini, Anda akan mampu menyelesaikan masalah optimasi dunia nyata, termasuk dalam bidang manufaktur, keuntungan dan anggaran, alokasi sumber daya, dan lainnya.Prasyarat
Kurikulum
Garis besar kursus
1
Pengantar Optimasi
Bab ini memperkenalkan optimasi, komponen intinya, dan penerapannya yang luas di berbagai industri dan domain. Bab ini menyajikan metode pencarian menyeluruh yang cepat untuk menyelesaikan suatu masalah optimasi. Bab ini juga memberikan pengantar matematika untuk konsep-konsep yang diperlukan dalam kursus ini.
2
Optimasi Tanpa Kendala dan dengan Kendala Linear
Bab ini membahas penyelesaian masalah optimasi tanpa kendala dan berkendala menggunakan kalkulus diferensial dan SymPy, serta mengidentifikasi potensi jebakan. SciPy juga diperkenalkan untuk menyelesaikan masalah optimasi tanpa kendala, dalam satu dan banyak dimensi, secara numerik, hanya dengan beberapa baris kode. Bab ini kemudian melanjutkan ke penyelesaian pemrograman linear di SciPy dan PuLP.
3
Optimasi Berkendala Non-linear
Bab ini memperkenalkan masalah optimasi berkendala cembung dengan berbagai jenis kendala dan meninjau masalah pemrograman linear bilangan bulat campuran, yaitu masalah pemrograman linear di mana setidaknya satu variabel berupa bilangan bulat.
4
Teknik Optimasi Robust
Bab ini membahas pencarian optimum global ketika terdapat banyak solusi yang sama-sama baik. Kita akan melakukan analisis sensitivitas dan mempelajari teknik linearisasi yang mereduksi masalah non-linear menjadi masalah yang mudah diselesaikan dengan SciPy atau PuLP. Dari sisi aplikasi, kita akan menyelesaikan alokasi SDM dengan biaya pelatihan dan penganggaran modal dengan proyek yang saling bergantungan.
Pengantar Optimasi di Python
Kursus
Selesai
