بهینهسازی عددی و تحقیق در عملیات در پایتون
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- در حل مسائل بهینهسازی با استفاده از حلکنندههای محبوب، مهارت کسب کنید و یاد بگیرید که نتایج آنها را به طور مؤثر تفسیر و پیادهسازی نمایید.
- تکنیکهای مدلسازی مفید را برای مسائل کلاسیک تحقیق در عملیات بیاموزید و اعمال کنید.
- مسائل دنیای واقعی را به عنوان مدلهای بهینهسازی عددی شناسایی و فرمولبندی کنید.
- یک مطالعه موردی در مورد چگونگی ترکیب تحقیق در عملیات و مهندسی نرمافزار برای ساخت راهحلهای قدرتمند را تکمیل کنید.
پیشنیازهای دوره
- آشنایی با برنامهنویسی مقدماتی
- تجربه قبلی با حلکنندههای بهینهسازی لازم نیست.
- دانشجو در صورت آشنایی با ریاضیات گسسته و جبر خطی، ممکن است درک بهتری از برخی بخشها داشته باشد.
توضیحات دوره
بهینهسازی عددی و تحقیق در عملیات در پایتون
با این دوره جامع، بیاموزید که چگونه با استفاده از بهینهسازی عددی و تحقیق در عملیات، از داده برای پشتیبانی از تصمیمگیری به طور بهینه استفاده کنید. این دوره با موفقیت اصول نظری و کاربردهای عملی را ترکیب میکند و به گونهای طراحی شده است تا شما را به مهارتهای لازم برای مقابله با مسائل پیچیده بهینهسازی در یک زمینه حرفهای یا دانشگاهی مجهز کند.
شما خواهید آموخت:
نظریه:
- اصول بهینهسازی ریاضی
- برنامهریزی خطی
- برنامهریزی خطی صحیح و صحیح-مختلط
- مدیریت سناریوهای نشدنی
- فرمولبندیهای چندهدفه سلسلهمراتبی
- الگوریتمهای ابتکاری سازنده و جستجوی محلی
نرمافزار:
- Pyomo
- Google OR-Tools
- HiGHS
مسائل:
- کولهپشتی
- ترکیب محصول
- حمل و نقل
- تعیین اندازه لات/دسته تولید
- زمانبندی کارگاهی
- پراکندگی تسهیلات
- فروشنده دورهگرد
- مسئله مسیریابی وسایل نقلیه با ظرفیت محدود
مهارتهای صنعتی: در پایان این دوره، شما مهارتهای فرمولبندی و حل مسائل بهینهسازی خود را خواهید داشت که یک شایستگی بسیار مورد تقاضا در صنایعی از لجستیک گرفته تا امور مالی است. شما همچنین قادر خواهید بود مدلهای خود را به برنامههای مقیاسپذیر برای شرکت یا تیم خود تبدیل کنید، حتی اگر آنها با بهینهسازی آشنایی نداشته باشند.
این دوره برای چه کسانی است؟
- دانشمندان داده و مهندسانی که میخواهند مهارتهای بهینهسازی را به مجموعه ابزار خود اضافه کنند.
- متخصصان در زمینه لجستیک، مدیریت زنجیره تأمین یا امور مالی که به دنبال بهرهگیری از بهینهسازی برای تصمیمگیری هستند.
- دانشگاهیان و دانشجویانی که به دنبال کاربرد عملی نظریههای تحقیق در عملیات و بهینهسازی هستند.
ویژگیهای دوره:
- بیش از 4 ساعت درس ویدئویی جامع که مفاهیم را به شیوهای واضح و جذاب توضیح میدهد.
- بیش از 13 نوتبوک پایتون تعاملی برای تمرین عملی (و راهحلهای مربوطه)
- مقالات و منابع خارجی با دقت انتخاب شده برای بهبود تجربه یادگیری شما
- دسترسی مادامالعمر به محتوای دوره، شامل بروزرسانیهای آینده
این سفر را برای تسلط به تصمیمگیری با استفاده از بهینهسازی در پایتون آغاز کنید. چه هدف شما پیشرفت شغلی، بررسی دانشگاهی در تحقیق در عملیات، و یا صرفاً لذت بردن از هیجان حل مسائل پیچیده باشد، این دوره دروازه شما به سوی فرصتهای جدید است.
این دوره برای چه کسانی مناسب است؟
- متخصصانی که در پی کسب مهارتهای ضروری تصمیمگیری کمی هستند.
- دانشگاهیانی که مشتاق یادگیری مهارتهای نرمافزاری عملی برای اعمال نظریه بهینهسازی هستند.
بهینهسازی عددی و تحقیق در عملیات در پایتون
-
مقدمه 05:23
-
دانلود Python 02:40
-
دانلود VS Code 02:26
-
پیکربندی پروژه شما 05:08
-
اجزای یک مدل بهینهسازی 04:57
-
مسئله کولهپشتی - تعاریف 03:10
-
مبانی Pyomo 04:54
-
مسئله کولهپشتی - Pyomo 08:35
-
تعاریف رایج در بهینهسازی عددی 03:11
-
بررسی دوره 02:20
-
نظریه و درک شهودی 05:50
-
مسئله ترکیب محصول - تعاریف 04:09
-
مسئله ترکیب محصول - Pyomo 08:12
-
مسئله حملونقل - تعاریف 03:50
-
مسئله حملونقل - Pyomo 10:18
-
مدیریت سناریوهای نشدنی 02:47
-
حمل و نقل نشدنی - Pyomo 06:30
-
آزمون برنامهریزی خطی None
-
چرا از متغیرهای صحیح استفاده کنیم؟ 01:43
-
عبارات منطقی 03:31
-
عبارات شرطی و Big M 03:17
-
درک شهودی Branch & Bound 06:45
-
سؤالات MIP None
-
هزینههای راهاندازی و اندازههای دسته 02:11
-
تراز موجودی در افقهای برنامهریزی گسسته 02:06
-
مدل دینامیک تعیین اندازه لات - تعاریف 04:04
-
مدل اندازه دسته تولید پویا - Pyomo 10:54
-
توالیها در افقهای برنامهریزی گسسته 04:30
-
مسئله زمانبندی کارگاهی با شاخص زمانی - تعاریف 05:45
-
مسئله زمانبندی کارگاهی با شاخص زمانی - Pyomo 15:54
-
توالیها و قیود پیشنیازی 02:39
-
مسئله زمانبندی کارگاهی گسسته - تعاریف 04:59
-
مسئله زمانبندی کارگاهی گسسته - Pyomo 10:27
-
مسئله فروشنده دورهگرد - تعاریف مدل MTZ 03:53
-
مسئله فروشنده دورهگرد با شاخص زمانی (مدل MTZ) - Pyomo 08:52
-
فرمولبندیهای Max-Min و Min-Max 04:08
-
مدل پراکندگی تسهیلات - تعاریف 06:26
-
مدل پراکندگی تسهیلات - Pyomo 11:44
-
به مسیریابی خوش آمدید! 00:37
-
مسئله فروشنده دورهگرد با حذف زیرتور - تعریف 05:23
-
مسئله فروشنده دورهگرد با حذف زیرتور - Pyomo 10:23
-
مسئله مسیریابی وسایل نقلیه با ظرفیت محدود - فرمولبندی MIP 06:59
-
مسئله مسیریابی وسایل نقلیه با ظرفیت محدود - Pyomo - بخش 1 06:46
-
مسئله مسیریابی وسایل نقلیه با ظرفیت محدود - Pyomo - بخش 2 09:25
-
الگوریتمهای ابتکاری - سازنده و جستجوی محلی 05:26
-
مدلهای مسیریابی OR-Tools 05:08
-
تبریک میگوییم! 00:40
-
معرفی اپلیکیشن بهینهسازی 01:26
-
ساختار پوشهها 02:23
-
استفاده از Streamlit 07:44
-
اجرای محلی 01:57
-
کانتینریسازی با Docker 03:09
مشخصات آموزش
بهینهسازی عددی و تحقیق در عملیات در پایتون
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:52
- مدت زمان :04:30:01
- حجم :2.12GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy