Curs
Introducere în optimizare în Python
IntermediarNivel de competențe
Actualizat 06.2025
PythonProgramming4 h13 videoclipuri42 Exerciții3,250 XP5,181Certificat de realizare
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și că datele tale sunt stocate în SUA.
Îndrăgit de cursanți din mii de companii
Formare pentru o echipă?
Încearcă pentru afaceriDescrierea cursului
Aplică calculul diferențial la probleme de optimizare neconstrânsă cu SymPy
Veți începe prin a învăța definiția unei probleme de optimizare și cazurile sale de utilizare. Vei folosi SymPy pentru a aplica calculul diferențial și integral pentru a obține soluții analitice la optimizarea neconstrânsă. Nu va trebui să calculați derivate sau să rezolvați ecuații; SymPy funcționează perfect! În mod similar, vei folosi SciPy pentru a obține soluții numerice.Abordează direct problemele complexe
Apoi, vei învăța să rezolvi probleme de programare liniară în SciPy și PuLP. Pentru a surprinde complexitatea din lumea reală, vei vedea cum să aplici PuLP și SciPy pentru a rezolva optimizarea convexă cu constrângeri și optimizarea cu numere întregi mixte. La finalul acestui curs, vei fi rezolvat probleme reale de optimizare, inclusiv în producție, profit și bugetare, alocarea resurselor și multe altele.Cerințe prealabile
Introduction to NumPy1
Introducere în optimizare
Acest capitol prezintă optimizarea, componentele sale de bază și aplicațiile sale variate în diverse industrii și domenii. Este introdusă o metodă rapidă de căutare exhaustivă pentru rezolvarea unei probleme de optimizare, alături de un primer matematic pentru conceptele necesare în acest curs.
2
Optimizare neconstrânsă și cu constrângeri liniare
Acest capitol acoperă rezolvarea problemelor de optimizare neconstrânsă și cu constrângeri prin calcul diferențial și SymPy, identificând posibilele capcane. Este introdusă și biblioteca SciPy pentru rezolvarea numerică a problemelor de optimizare neconstrânsă, în una și mai multe dimensiuni, cu câteva linii de cod. Capitolul continuă cu programarea liniară în SciPy și PuLP.
3
Optimizare neconvexă cu constrângeri
Acest capitol introduce problemele de optimizare convexă cu constrângeri de diferite tipuri și abordează problemele de programare liniară în numere întregi mixte – esențialmente probleme de programare liniară în care cel puțin o variabilă este un număr întreg.
4
Tehnici avansate de optimizare
Acest capitol acoperă găsirea optimului global atunci când există mai multe soluții bune. Vei efectua analize de sensibilitate și vei învăța tehnici de liniarizare care reduc problemele neliniare la unele ușor de rezolvat cu SciPy sau PuLP. La nivel de aplicații, vei rezolva o problemă de alocare a resurselor umane cu costuri de formare și o problemă de bugetare a capitalului cu proiecte interdependente.
Introducere în optimizare în Python
Curs finalizat
Obține diploma de absolvire
Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumatDistribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum
Alătură-te celor peste 19 de milioane de cursanți și începe Introducere în optimizare în Python astăzi!
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și că datele tale sunt stocate în SUA.
Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil
Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.