El objetivo del curso es conseguir modelizar y aplicar los métodos de optimización que aparecen en los procesos de toma de decisiones hoy en día. En el curso, se proporcionan las herramientas necesarias para conseguir soluciones de optimización eficientes para problemas reales, en áreas como Finanzas, Economía, Marketing, e Ingeniería. En particular, los objetivos a alcanzar en el curso son: 1. Modelar y aplicar los métodos de optimización para una serie de problemas generales (lineales, discretos, no lineales y bajo incertidumbre) . 2. Aprender los fundamentos matemáticos necesarios para desarrollar algoritmos de solución eficientes para los problemas de optimización mencionados en 1. 3. Usar Python para manejar las herramientas de optimización modernas de forma eficiente.

1. Modelos Lineales 1.1 Ejemplos 1.2 Propiedades 1.3 Algoritmos 2. Modelos Discretos 2.1 Introducción 2.2 Condiciones Lógicas 2.3 Redes 2.4 Algoritmos 3. Modelos No Lineales 3.1 Ejemplos, mínimos cuadrados 3.2 Condiciones de optimalidad 3.3 Algoritmos 4. Modelos bajo Incertidumbre 4.1 Introducción y propiedades 4.2 Programación estocástica

½ clases magistrales con material disponible en la Web ½ clases prácticas (en laboratorio, con Python)