El objetivo del curso es transmitir la teoría general de la optimización continua con foco en sus aplicaciones prácticas, en particular, con aquellas que hacen a la resolución de algunos problemas de análisis de datos, modelado predictivo, y aprendizaje automático. Este curso no es de Inteligencia Artificial, ya que no busca cubrir el estado del arte en esa temática de actualidad, sino que por el contrario, busca fortalecer conocimientos teóricos que fundamentan esas técnicas.
El curso está dirigido a los estudiantes que quieren introducirse en la optimización continua, con foco en las aplicaciones antes mencionadas. El programa busca ser autocontenido, requiriendo conocimientos de cálculo diferencial y álgebra lineal. Los conocimientos adquiridos en el curso buscan cubrir herramientas y conceptos indispensables en el área de aplicación de referencia (Inteligencia Artificial), y agrega además los laboratorios necesarios para que los estudiantes tomen contacto directo con las aplicaciones.
El objetivo del curso es transmitir la teoría general de la optimización continua con foco en sus aplicaciones prácticas, en particular, con aquellas que hacen a la resolución de algunos problemas de análisis de datos, modelado predictivo, y aprendizaje automático. Este curso no es de Inteligencia Artificial, ya que no busca cubrir el estado del arte en esa temática de actualidad, sino que por el contrario, busca fortalecer conocimientos teóricos que fundamentan esas técnicas.
El curso está dirigido a los estudiantes que quieren introducirse en la optimización continua, con foco en las aplicaciones antes mencionadas. El programa busca ser autocontenido, requiriendo conocimientos de cálculo diferencial y álgebra lineal. Los conocimientos adquiridos en el curso buscan cubrir herramientas y conceptos indispensables en el área de aplicación de referencia (Inteligencia Artificial), y agrega además los laboratorios necesarios para que los estudiantes tomen contacto directo con las aplicaciones.
El trabajo en laboratorio será pautado por obligatorios, que se realizarán en grupos de no más de tres estudiantes, y que su solución deberá ser entrega por escrito (documentación y código). Al final del curso, se incluye una instancia final de prueba (oral) individual, donde cada estudiante debe responder a preguntas referidas a los conocimientos impartidos durante el teórico, y/o aquellos elaborados a efectos de poder completar los laboratorios.
-
Conceptos generales básicos: convexidad, optimización y problemas de programación matemática.
-
Principio de optimalidad, programación dinámica y complejidad computacional.
-
Optimización sin restricciones (teoría y métodos de resolución).
-
Gradiente estocástico, optimización en aprendizaje profundo y técnicas de regularización.
-
Otros tipos de algoritmos de optimización.
-
Optimización con restricciones (métodos de penalizaciones y de barrera, SQP, Active Set).
-
Programación Lineal (especificidades en dualidad y sensibilidad, simplex, método Punto Interior).
La evaluación tiene carácter individual, y se basará en el desempeño mostrado por los estudiantes durante los laboratorios y la prueba final. La composición de la calificación será 70% por los obligatorios y 30% por el desempeño en la prueba final.
La escala de calificaciones en los obligatorios será de 0 a 3. El estudiante perderá el derecho a la prueba (el curso en consecuencia) si obtuviera un 0, o dos 1s en los obligatorios. Además, el promedio en los obligatorios deberá ser 2 o superior para acceder a la prueba final.