El objetivo de este curso es que el alumno se familiarice con las principales técnicas de modelado en optimización y con los algoritmos de resolución más importantes en el contexto del Data Science. En el curso, se proporcionan las herramientas necesarias para conseguir soluciones de optimización eficientes para problemas reales, en áreas como Finanzas, Salud, 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. Estudiar los principales algoritmos usados en el contexto del Data Science. 4. Usar Python para manejar las herramientas de optimización modernas de forma eficiente.

1. Modelado avanzado en optimización. 1.1. Algebraic modeling languages 1.2. Introducción a Pyomo 1.3. Ejemplos 1.4. Diferenciación Automática 2. Optimización no lineal 2.1. Introducción 2.2. Ejemplos 2.3. Optimización sin restricciones 2.4. Optimización con restricciones 2.5. Algoritmos de resolución 3. Optimización y Machine Learning 3.1. Introducción 3.2. Ejemplos 3.3. Algoritmos de resolución 4. Optimización bajo incertidumbre 4.1. Introducción 4.2. Simulación 4.3. Optimización Estocástica 4.4. Ejemplos

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