Última chance! Formação ilimitada com 50% de desconto
A promoção termina em
Descrição do curso
Problemas de otimização são comuns em engenharia, ciências e ciências sociais. Este curso vai te levar de zero conhecimento em otimização a um otimizador experiente. Você vai usar modelagem matemática pra transformar problemas do mundo real em problemas matemáticos e resolvê-los em Python usando os pacotes SciPy e PuLP.
Aplique cálculo a problemas de otimização sem restrições com SymPy
Você vai começar aprendendo o que é um problema de otimização e como ele pode ser usado. Você vai usar o SymPy pra aplicar cálculo e chegar a soluções analíticas pra otimização sem restrições. Você não vai precisar calcular derivadas ou resolver equações; o SymPy funciona perfeitamente! Da mesma forma, você vai usar o SciPy para obter soluções numéricas.Enfrente problemas complexos de frente
Depois, você vai aprender a resolver problemas de programação linear no SciPy e no PuLP. Para capturar a complexidade do mundo real, você verá como aplicar PuLP e SciPy para resolver otimização convexa restrita e otimização mista inteira. Ao final deste curso, você vai ter resolvido problemas reais de otimização, incluindo fabricação, lucro e orçamento, alocação de recursos e muito mais.Pré-requisitos
Programa de estudos
Descrição do curso
1
Introdução à Otimização
Este capítulo apresenta a otimização, seus componentes centrais e suas amplas aplicações em diferentes setores e domínios. Ele apresenta um método rápido de busca exaustiva para resolver um problema de otimização. Também oferece uma base matemática para os conceitos necessários neste curso.
- Introdução à otimização matemática50 XP
- Entendendo a otimização matemática50 XP
- Aplicando uma função objetivo100 XP
- Método de busca exaustiva100 XP
- Otimização univariada50 XP
- Encontrando a derivada100 XP
- Encontre a segunda derivada100 XP
- Otimização multivariada50 XP
- Derivadas parciais com SymPy100 XP
- Limitações da diferenciação100 XP
2
Otimização sem restrições e com restrições lineares
Este capítulo aborda a solução de problemas de otimização sem restrições e com restrições usando cálculo diferencial e SymPy, identificando possíveis armadilhas. SciPy também é apresentado para resolver numericamente problemas de otimização sem restrições, em uma e várias dimensões, com poucas linhas de código. O capítulo segue para resolver programação linear no SciPy e no PuLP.
3
Otimização não linear com restrições
Este capítulo apresenta problemas de otimização convexa com restrições de diferentes tipos e analisa problemas de programação linear inteira mista, essencialmente problemas de programação linear em que pelo menos uma variável é inteira.
4
Técnicas de Otimização Robusta
Este capítulo aborda como encontrar o ótimo global quando existem várias boas soluções. Vamos realizar análise de sensibilidade e aprender técnicas de linearização que reduzem problemas não lineares a formas facilmente solucionáveis com SciPy ou PuLP. Em termos de aplicações, vamos resolver um problema de alocação de RH com custos de treinamento e outro de orçamento de capital com projetos dependentes.
Introdução à Otimização em Python
Curso
concluído
