Last chance: 50% off unlimited learning
Sale ends in
Descrizione del corso
I problemi di ottimizzazione sono super comuni nell'ingegneria, nelle scienze e nelle scienze sociali. Questo corso ti porterà da zero conoscenze sull'ottimizzazione a diventare un vero esperto in materia. Userai la modellazione matematica per trasformare problemi del mondo reale in problemi matematici e risolverli in Python usando i pacchetti SciPy e PuLP.
Applica il calcolo a problemi di ottimizzazione senza vincoli con SymPy
Inizierai imparando cos'è un problema di ottimizzazione e come si usa. Userai SymPy per fare un po' di calcolo e trovare soluzioni analitiche per l'ottimizzazione senza vincoli. Non dovrai più calcolare derivati o risolvere equazioni: SymPy funziona alla grande! Allo stesso modo, userai SciPy per trovare soluzioni numeriche.Affronta i problemi difficili a testa alta
Poi, imparerai a risolvere problemi di programmazione lineare in SciPy e PuLP. Per capire la complessità del mondo reale, vedrai come usare PuLP e SciPy per risolvere problemi di ottimizzazione convessa con vincoli e ottimizzazione mista intera. Alla fine di questo corso, avrai risolto problemi di ottimizzazione del mondo reale, come produzione, profitti e budget, allocazione delle risorse e altro ancora.Prerequisiti
Programma
Struttura del corso
1
Introduzione all’ottimizzazione
Questo capitolo introduce l’ottimizzazione, i suoi elementi chiave e le sue ampie applicazioni in settori e domini diversi. Presenta un metodo rapido di ricerca esaustiva per risolvere un problema di ottimizzazione. Fornisce inoltre un richiamo matematico ai concetti necessari per questo corso.
- Introduzione all'ottimizzazione matematica50 XP
- Capire l'ottimizzazione matematica50 XP
- Applicare una funzione obiettivo100 XP
- Metodo di ricerca esaustiva100 XP
- Ottimizzazione univariata50 XP
- Trovare la derivata100 XP
- Trova la seconda derivata100 XP
- Ottimizzazione multivariata50 XP
- Derivate parziali con SymPy100 XP
- Limitazioni della derivazione100 XP
2
Ottimizzazione non vincolata e con vincoli lineari
Questo capitolo tratta la risoluzione di problemi di ottimizzazione non vincolata e vincolata con il calcolo differenziale e SymPy, individuando potenziali insidie. Viene inoltre introdotto SciPy per risolvere numericamente problemi di ottimizzazione non vincolata, in una e più dimensioni, con poche righe di codice. Il capitolo prosegue risolvendo problemi di programmazione lineare in SciPy e PuLP.
3
Ottimizzazione non lineare con vincoli
Questo capitolo introduce problemi di ottimizzazione convessa con vincoli differenti e affronta problemi di programmazione lineare mista intera, cioè problemi di programmazione lineare in cui almeno una variabile è intera.
4
Tecniche di ottimizzazione robusta
Questo capitolo tratta la ricerca dell’ottimo globale quando esistono più soluzioni valide. Faremo analisi di sensitività e impareremo tecniche di linearizzazione che riducono problemi non lineari a problemi facilmente risolvibili con SciPy o PuLP. In termini di applicazioni, risolveremo un’allocazione HR con costi di formazione e un budgeting degli investimenti con progetti dipendenti.
Introduzione all'ottimizzazione in Python
Corso
completato
