Παρουσίαση/Προβολή

Διδάσκοντες

Νικόλαος Σαμαράς, Καθηγητής.

Άγγελος Σιφαλέρας, Καθηγητής.

Email: sifalera@uom.gr

Ώρες γραφείου για απορίες: Δευτέρα 10:00-12:00, κατόπιν συνεννόησης με email.

Μαθησιακοί στόχοι

Το μάθημα αυτό στοχεύει σε μια βαθύτερη κατανόηση των μοντέλων λήψης αποφάσεων, των αλγορίθμων βελτιστοποίησης και των εφαρμογών στην Πληροφορική, και τη μηχανική μάθηση. Αυτό το μάθημα αναλύει επίσης την σχεδίαση αλγορίθμων και τη μαθηματική διαμόρφωση μοντέλων λήψης αποφάσεων, χρησιμοποιώντας Python.

Προαπαιτούμενα

Πολύ καλή γνώση μεθόδων επιχειρησιακής έρευνας.

Καλή γνώση προγραμματισμού Η/Υ.

Καλή γνώση αλγοριθμικής θεωρίας και δομών δεδομένων.

Περιεχόμενο μαθήματος

Εισαγωγή στις μαθηματικές έννοιες και προηγμένες υπολογιστικές μεθόδους για ποσοτικά προβλήματα στη λήψη αποφάσεων στη μηχανική μάθηση και λήψη διοικητικών αποφάσεων. Παρουσίαση σύγχρονων μεθόδων βελτιστοποίησης, ευρετικών κατά κύριο λόγο, όπως απαγορευμένη αναζήτηση, προσομοίωση ανόπτηση, αναζήτηση μεταβλητής γειτνίασης, γενετικοί αλγόριθμοι, και αλγόριθμοι εμπνευσμένοι από τη φύση. Συζήτηση σχετικά με τεχνικές παράλληλων υπολογισμών για υπολογιστικά δύσκολα προβλήματα βελτιστοποίησης.

Προτεινόμενα συγγράμματα

1. Ploskas, N., & Samaras, N. (2017). Linear Programming Using MATLAB® (Vol. 127). Switzerland: Springer.

2. Michalewicz, Z., & Fogel, D. B. (2004). How to solve it: modern heuristics, 2nd ed., Springer.

Μέθοδοι αξιολόγησης

50% τελικές γραπτές εξετάσεις / 50% προσωπικές εργασίες.