700+ courses, half price
Kurs Açıklaması
Optimizasyon problemleri mühendislik, fen bilimleri ve sosyal bilimlerde her yerde karşımıza çıkar. Bu kurs, sizi sıfır optimizasyon bilgisinden kahraman bir optimizasyon uzmanına dönüştürecektir. Matematiksel modelleme kullanarak gerçek dünyadaki problemleri matematiksel problemler haline getirecek ve SciPy ve PuLP paketlerini kullanarak Python ile çözeceksiniz.
SymPy ile Kısıtlanmamış Optimizasyon Problemlerine Kalkülüs Uygulayın
Optimizasyon probleminin tanımını ve kullanım örneklerini öğrenerek başlayacaksınız. SymPy'yi kullanarak, kısıtlamasız optimizasyona analitik çözümler elde etmek için kalkülüs uygulayacaksınız. Türevleri hesaplamanız veya denklemleri çözmeniz gerekmeyecek; SymPy sorunsuz bir şekilde çalışır! Benzer şekilde, sayısal çözümleri elde etmek için SciPy kullanacaksınız.Karmaşık Sorunları Doğrudan Ele Alın
Ardından, SciPy ve PuLP'de doğrusal programlama problemlerini çözmeyi öğreneceksiniz. Gerçek dünyanın karmaşıklığını yakalamak için, kısıtlı konveks optimizasyon ve karışık tamsayı optimizasyonunu çözmek için PuLP ve SciPy'yi nasıl uygulayacağınızı göreceksiniz. Bu kursun sonunda, üretim, kâr ve bütçeleme, kaynak tahsisi ve daha fazlasını içeren gerçek dünyadaki optimizasyon problemlerini çözmüş olacaksınız.Ön Koşullar
Müfredat
Kurs planı
1
Optimizasyona Giriş
Bu bölüm, optimizasyonu, temel bileşenlerini ve farklı sektörlerdeki geniş uygulama alanlarını tanıtır. Bir optimizasyon problemini çözmek için hızlı, kapsamlı bir arama yöntemini sunar. Ayrıca bu kurs için gereken kavramlara yönelik kısa bir matematik ön bilgisi sağlar.
- Matematiksel optimizasyona giriş50 XP
- Matematiksel optimizasyonu anlama50 XP
- Amaç fonksiyonunu uygulama100 XP
- Kapsamlı arama yöntemi100 XP
- Tek değişkenli optimizasyon50 XP
- Türevi bulma100 XP
- İkinci türevi bul100 XP
- Çok değişkenli optimizasyon50 XP
- SymPy ile kısmi türevler100 XP
- Türev almanın sınırlılıkları100 XP
2
Kısıtsız ve Doğrusal Kısıtlı Optimizasyon
Bu bölüm, diferansiyel hesap ve SymPy ile kısıtsız ve kısıtlı optimizasyon problemlerini çözmeyi, olası tuzakları tanımlamayı kapsar. Ayrıca SciPy, tek ve çok boyutlu kısıtsız optimizasyon problemlerini yalnızca birkaç satır kodla sayısal olarak çözmek için tanıtılır. Bölüm, SciPy ve PuLP ile doğrusal programlamayı çözmeye devam eder.
3
Doğrusal Olmayan Kısıtlı Optimizasyon
Bu bölüm, farklı kısıtlarla dışbükey-kısıtlı optimizasyon problemlerini tanıtır ve en az bir değişkenin tamsayı olduğu doğrusal programlama problemleri olan karışık tamsayılı doğrusal programlama (MILP) problemlerine bakar.
4
Sağlam Optimizasyon Teknikleri
Bu bölüm, birden fazla iyi çözüm olduğunda küresel optimumu bulmayı ele alır. Duyarlılık analizi yapacak ve doğrusal olmayan problemleri SciPy veya PuLP ile kolayca çözülebilenlere indirgeyen doğrusallaştırma tekniklerini öğreneceğiz. Uygulama olarak, eğitim maliyetleri içeren bir İK tahsisi problemini ve bağımlı projelerle sermaye bütçelemesini çözeceğiz.
Python ile Optimizasyona Giriş
Kurs
Tamamlandı
