| Additional title: |
Adjustment of Optimisation Models |
| Additional title: |
Ajuste de Modelos de Optimización |
| Date: |
2025-26 |
| Abstract: |
Aquest curs té com a objectiu dotar els estudiants de les habilitats necessàries per modelar problemes del món real i aplicar tècniques d'optimització en una àmplia gamma d'indústries, incloent-hi el transport, la logística, la manufactura, les tecnologies de la informació, així com la IA, la ciència de dades i l'aprenentatge automàtic. Els estudiants aprendran mètodes d'optimització tant amb restriccions com sense, incloent-hi l'optimització multi-objectiu, el descens de gradient i els algoritmes evolutius. Concretament, els estudiants: 1. Comprendran el paper de l'optimització en la millora de processos i sistemes en diverses indústries, 1 1. Comprendran el paper de l'optimització en la millora de processos i sistemes en diverses indústries, com ara la logística, el transport, la manufactura, les finances i la IA. 2. Analitzaran i avaluaran funcions de cost i seleccionaran els mètodes d'optimització més adequats segons les propietats i restriccions del problema. 3. Formularan i ajustaran models d'optimització per resoldre problemes reals, tenint en compte tant les restriccions específiques de la indústria com els objectius operatius. 4. Aplicaran tècniques d'optimització com la programació lineal, la programació no lineal, els algoritmes genètics i la cerca en graella per optimitzar processos en diversos sectors, com la producció, la gestió de la cadena de subministrament, l'optimització de rutes i l'aprenentatge automàtic. 5. Adquiriran experiència pràctica amb eines de Python (per exemple, Pyomo, LinProg) per implementar models d'optimització i resoldre problemes complexos en una varietat d'indústries. |
| Abstract: |
This course aims to equip students with the skills to model real-world problems and apply optimization techniques across a wide range of industries, including transportation, logistics, manufacturing, and information technology, as well as AI, data science, and machine learning. Students will learn both constrained and unconstrained optimization methods, including multi-objective optimization, gradient descent, and evolutionary algorithms. Specifically, students will: 1. Understand the role of optimization in improving processes and systems across various industries, 1 1. Understand the role of optimization in improving processes and systems across various industries, including logistics, transportation, manufacturing, finance, and AI. 2. Analyze and evaluate cost functions and select the most appropriate optimization methods based on the properties and constraints of the problem at hand. 3. Formulate and adjust optimization models to solve real-world problems, considering both industry-specific constraints and operational objectives. 4. Apply optimization techniques such as linear programming, non-linear programming, genetic algorithms, and grid search to optimize processes in different sectors, including production, supply chain management, route optimization, and machine learning. 5. Gain practical experience with Python tools (e. g. , Pyomo, LinProg) to implement optimization models for solving complex, real-world problems in a variety of industries. |
| Abstract: |
Este curso tiene como objetivo dotar a los estudiantes de las habilidades necesarias para modelar problemas del mundo real y aplicar técnicas de optimización en una amplia gama de industrias, incluyendo transporte, logística, manufactura, tecnologías de la información, así como IA, ciencia de datos y aprendizaje automático. Los estudiantes aprenderán métodos de optimización tanto con restricciones como sin ellas, incluyendo optimización multiobjetivo, descenso de gradiente y algoritmos evolutivos. Específicamente, los estudiantes: 1 1. Comprenderán el papel de la optimización en la mejora de procesos y sistemas en diversas industrias, como logística, transporte, manufactura, finanzas e IA. 2. Analizarán y evaluarán funciones de costo y seleccionarán los métodos de optimización más apropiados según las propiedades y restricciones del problema. 3. Formularán y ajustarán modelos de optimización para resolver problemas reales, considerando tanto las restricciones específicas de la industria como los objetivos operativos. 4. Aplicarán técnicas de optimización como la programación lineal, la programación no lineal, los algoritmos genéticos y la búsqueda en rejilla para optimizar procesos en diversos sectores, como producción, gestión de la cadena de suministro, optimización de rutas y aprendizaje automático. 5. Adquirirán experiencia práctica con herramientas de Python (por ejemplo, Pyomo, LinProg) para implementar modelos de optimización y resolver problemas complejos en una variedad de industrias. |
| Rights: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.  |
| Language: |
Català, anglès, castellà |
| Studies: |
Grau en Enginyeria de Dades [2503758] |
| Study plan: |
Enginyeria de Dades [1394] |
| Document: |
Objecte d'aprenentatge |
guest ::
