Fondamenti di Ottimizzazione Convessa per Ingegneria e Machine Learning

L'ottimizzazione è al centro del processo decisionale moderno, dall'addestramento di reti neurali alla progettazione di portafogli finanziari efficienti. Comprendere come formulare e risolvere questi problemi matematicamente ti permette di trovare soluzioni ottimali globali in modo efficiente. Questo corso, basato esclusivamente su testo, ti guida attraverso i principi fondamentali dell'ottimizzazione convessa, trasformando la complessa teoria matematica in competenze pratiche di modellazione. Imparerai a riconoscere i problemi convessi nel mondo reale, a formularli matematicamente e a risolverli utilizzando librerie computazionali moderne. Cosa imparerai: * Comprendere le definizioni fondamentali di insiemi convessi, funzioni e problemi di ottimizzazione; * Formulare problemi del mondo reale come programmi lineari, quadratici o semidefiniti; * Applicare le condizioni di ottimalità e la teoria della dualità per analizzare e semplificare modelli matematici complessi; * Risolvere attività pratiche di ottimizzazione nel machine learning, nell'elaborazione dei segnali e nella progettazione di portafogli; * Esercitarsi nella scrittura di codice Python pulito e moderno utilizzando CVXPY per risolvere numericamente formulazioni convesse. Il corso inizia con concetti matematici fondamentali e definizioni prima di passare a tipi di ottimizzazione strutturata e teoria della dualità. Esplorerai quindi applicazioni pratiche in vari settori attraverso spiegazioni scritte ed esempi programmatici. Progettato per principianti nell'ottimizzazione matematica, questo corso richiede solo una conoscenza di base di algebra lineare e calcolo, partendo dalla terminologia chiave da zero. Inizia oggi il tuo percorso nella modellazione matematica e sblocca il potere di soluzioni ottimali garantite.