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 giriş

Matematiksel optimizasyonu anlama

Amaç fonksiyonunu uygulama

Kapsamlı arama yöntemi

Tek değişkenli optimizasyon

Türevi bulma

İkinci türevi bul

Çok değişkenli optimizasyon

SymPy ile kısmi türevler

Seçenekler

Türevlenebilir

Türevlenemez

Türev almanın sınırlılıkları

Optimizasyona Giriş

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.

Kısıtsız optimizasyon

Maksimumu bulma

Sınır kısıtlı optimizasyon

Sınırlarla Çalışmak

Zor eşitsizliklerle başa çıkma

Doğrusal programlama

Doğrusal programlama nedir?

Doğrusal optimizasyon için PuLP

Birden çok öğeyi ele alma

 Kısıtsız ve Doğrusal 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.

Çıkıntılı kısıtlı optimizasyon

Kayıtsızlık eğrilerini yorumlama

Kayıtsızlık eğrisini görselleştir

Fayda maksimizasyonu

Eşitsizlik kısıtlarıyla dışbükey kısıtlı optimizasyon

İçte mi, köşede mi?

Doğrusal kısıtlı bisküviler

Doğrusal olmayan kısıtlı bisküviler

Karma tamsayılı doğrusal programlama (MILP)

MILP'yi ayarlama

Bütünlüğü (integrality) anlama

Doğrusal Olmayan Kısıtlı Optimizasyon

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.

Doğrusal olmayan problemleri dönüştürme

Sermaye bütçeleme problemini çözme

Kaynak tahsisi

SciPy ile küresel optimizasyon

Küresel optimumu bul

Callback kullanma

PuLP ile duyarlılık analizi

Slack ve gölge fiyatı

Meyve suyu ile gölge fiyatlar

Diyet problemine geri dönüş

Tebrikler!

Sağlam Optimizasyon Teknikleri

Bu kurs, yeni başlayanları yetkin çözücülere dönüştürerek, gerçek dünya problemlerini Python'da SciPy ve PuLP kullanarak matematiksel modellemeyle ifade etmeyi ve çözmeyi öğretir. Optimizasyonun temelleri ve uygulamalarıyla başlayacak, türevleri elle hesaplamadan analitik çözümler için SymPy kullanacak ve sayısal yanıtlar için SciPy'dan yararlanacaksın. Ardından SciPy ve PuLP ile doğrusal programlama, kısıtlı dışbükey optimizasyon ve karışık tamsayılı optimizasyona geçerek üretim, kâr maksimizasyonu ve kaynak tahsisi gibi pratik konulara odaklanacaksın.

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.

<h2>SymPy ile Kısıtlanmamış Optimizasyon Problemlerine Kalkülüs Uygulayın</h2>

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.

<h2>Karmaşık Sorunları Doğrudan Ele Alın</h2>

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.

Introduction to NumPy

Python SciPy ve PuLP kullanarak temelden karmaşığa gerçek dünya optimizasyon problemlerini çözmeyi öğrenin.

Python ile Optimizasyona Giriş

Matematiksel optimizasyonu anlama

Python ile Optimizasyona Giriş

Uygulamalı etkileşimli egzersiz