After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Задачі оптимізації є повсюдними в інженерії, науках і соціальних науках. Цей курс проведе вас від нульових знань з оптимізації до справжнього героя-оптимізатора. Ви використовуватимете математичне моделювання, щоб перетворювати реальні проблеми на математичні та розв’язувати їх у Python за допомогою пакетів SciPy і PuLP.
Застосовуйте математичний аналіз до задач безумовної оптимізації за допомогою SymPy
Ви почнете з вивчення визначення задачі оптимізації та її варіантів використання. Ви використовуватимете SymPy, щоб застосовувати математичний аналіз для отримання аналітичних розв’язків задач безумовної оптимізації. Вам не доведеться обчислювати похідні чи розв’язувати рівняння; SymPy працює бездоганно! Так само ви використовуватимете SciPy для отримання числових розв’язків.Розв’язуйте складні проблеми безпосередньо
Далі ви навчитеся розв’язувати задачі лінійного програмування в SciPy та PuLP. Щоб охопити реальну складність, ви побачите, як застосовувати PuLP і SciPy для розв’язання обмеженої опуклої оптимізації та змішаної цілочисельної оптимізації. Наприкінці цього курсу ви навчитеся розв’язувати реальні задачі оптимізації, зокрема у виробництві, прибутку та бюджетуванні, розподілі ресурсів та інших сферах.Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до оптимізації
У цьому розділі ви познайомитеся з оптимізацією, її ключовими складниками та широкими застосуваннями в різних галузях. Ми розглянемо швидкий метод повного перебору для розв'язання задачі оптимізації. Також подамо короткий математичний вступ до понять, необхідних для цього курсу.
- Вступ до математичної оптимізації50 XP
- Розуміння математичної оптимізації50 XP
- Застосування цільової функції100 XP
- Метод вичерпного пошуку100 XP
- Одновимірна оптимізація50 XP
- Знаходження похідної100 XP
- Знайдіть другу похідну100 XP
- Багатовимірна оптимізація50 XP
- Часткові похідні в SymPy100 XP
- Обмеження диференціювання100 XP
2
Оптимізація без обмежень і з лінійними обмеженнями
У цьому розділі розглядається розв'язання задач оптимізації без обмежень і з обмеженнями за допомогою диференціального числення та SymPy, із застереженнями щодо можливих підводних каменів. Також буде представлено SciPy для чисельного розв'язання задач без обмежень в одному та багатовимірному випадках за кілька рядків коду. Далі розділ переходить до лінійного програмування в SciPy і PuLP.
3
Нелінійна оптимізація з обмеженнями
У цьому розділі подано оптимізацію з опуклими обмеженнями для різних типів обмежень, а також розглянуто задачі змішано-цілого лінійного програмування — це лінійні задачі, де принаймні одна змінна є цілою.
4
Методи робастної оптимізації
У цьому розділі розглядається пошук глобального оптимуму, коли існує кілька хороших рішень. Ми проведемо аналіз чутливості та розглянемо методи лінеаризації, що зводять нелінійні задачі до тих, які легко розв'язати в SciPy або PuLP. Із прикладних тем ми розв'яжемо задачу розподілу персоналу відділу кадрів із витратами на навчання та задачу вибору інвестицій за наявності залежних проєктів.
Вступ до оптимізації в Python
Курс
завершено
