Última actualización: 25/04/2019


Curso Académico: 2019/2020

Optimización para grandes volúmenes de datos
(17235)
Titulación: Máster U. en Métodos Analíticos para Datos Masivos: Big Data / Master in Big Data Analytics (322)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: RUIZ MORA, CARLOS

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Competencias que adquiere el estudiante y resultados del aprendizaje.
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.
Descripción de contenidos: Programa
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
Actividades formativas, metodología a utilizar y régimen de tutorías
½ clases magistrales con material disponible en la Web ½ clases prácticas (en laboratorio, con Python)
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Bibliografía básica
  • Bertsimas, Dimitris, and John Tsitsiklis. Introduction to Linear Optimization. Belmont, MA: Athena Scientific. 1997
  • D Bertsimas, R Weismantel. Optimization over integers. Belmont: Dynamic Ideas.. 2005
  • Stephen Boyd and Lieven Vandenberghe. Convex Optimization. Cambridge University Press. 2004
Recursos electrónicosRecursos Electrónicos *
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.