Se presuponen conocimientos de programación de ordenadores, álgebra lineal, optimización lineal y optimización entera.

La asignatura se propone como objetivos que el alumno desarrolle las siguientes competencias: 1) Utilizar software avanzado de modelización y optimización para resolver problemas de optimización de grandes dimensiones basados en datos; 2) formular modelos de optimización no lineal con o sin restricciones en diversas áreas de aplicación, y analizarlos aplicando condiciones de optimalidad; 3) aplicar métodos y software de optimización para la formulación y resolución computacional de modelos de aprendizaje automático; 4) formular y resolver modelos de optimización bajo incertidumbre, en particular modelos de optimización dinámica estocástica.

1. Software avanzado de modelización para optimización 1.1. Optimización y ciencia de datos 1.2. Lenguajes de modelización algebraica 2. Optimización no lineal 2.1. Introducción 2.2. Optimización sin restricciones 2.3. Optimización con restricciones de igualdad 2.4 Optimización con restricciones de desigualdad 3. Optimización y aprendizaje automático 3.1. Introducción 3.2. Máquinas de vector soporte 3.3. Regresión logística 3.4. Optimización y redes neuronales 3.5. Árboles de clasificación: clásicos y óptimos 4. Optimización bajo incertidumbre 4.1. Introducción 4.2. Simulación 4.3. Optimización dinámica estocástica

Clases teórico-prácticas con material de apoyo disponible en la web. Prácticas computacionales con software de optimización basado en Python. La metodología docente tiene un enfoque eminentemente práctico, estando basada en la formulación y resolución de modelos de optimización en diversas áreas de aplicación.