• مفاهیم بنیادین بهینه‌سازی: در ابتدا با اصول حیاتی بهینه‌سازی، انواع مدل‌ها (خطی، غیرخطی، عدد صحیح) و نقش آنها در تصمیم‌گیری‌های هوشمندانه در حوزه‌های متنوعی مانند مهندسی، اقتصاد، علوم کامپیوتر و مدیریت آشنا خواهید شد.
• آشنایی کامل با چارچوب Pyomo: به صورت عمیق وارد اکوسیستم قدرتمند Pyomo می‌شوید. یاد می‌گیرید چگونه مدل‌های بهینه‌سازی را از پایه بسازید، متغیرهای تصمیم را تعریف کنید، قیود مختلف (خطی و غیرخطی) را فرموله کنید و تابع هدف را برای حداقل یا حداکثر کردن یک شاخص کلیدی مشخص نمایید.
• مدل‌سازی انواع مسائل بهینه‌سازی: این دوره شما را قادر می‌سازد تا انواع مسائل بهینه‌سازی را مدل‌سازی کنید، از جمله برنامه‌ریزی خطی (LP) برای مسائلی با روابط خطی، برنامه‌ریزی عدد صحیح (IP) و برنامه‌ریزی مختلط عدد صحیح (MIP) برای سناریوهایی که نیاز به تصمیمات گسسته و صحیح دارند، و برنامه‌ریزی غیرخطی (NLP) برای مدل‌های پیچیده‌تر با روابط غیرخطی.
• اتصال Pyomo به حل‌کننده‌های مختلف: با نحوه اتصال Pyomo به حل‌کننده‌های (solvers) متنوع و قدرتمند مانند GLPK و CBC (برای استفاده‌های عمومی و آموزشی) و همچنین حل‌کننده‌های تجاری پیشرفته مانند Gurobi، CPLEX و IPOPT آشنا خواهید شد که هر کدام برای انواع خاصی از مسائل بهینه‌سازی بهینه‌سازی شده‌اند.
• مدیریت و ادغام داده‌ها: یکی از بخش‌های کلیدی دوره، مدیریت و ادغام داده‌هاست. یاد می‌گیرید چگونه داده‌های ورودی را از منابع مختلف نظیر فایل‌های CSV، صفحات گسترده اکسل و پایگاه‌های داده خوانده و آن‌ها را به طور موثر در مدل‌های Pyomo خود به کار بگیرید. این مهارت برای حل مسائل دنیای واقعی که معمولاً با حجم زیادی از داده‌ها سروکار دارند، حیاتی است.
• حل مسائل واقعی و پیچیده: دوره شامل حل مسائل واقعی و پیچیده در صنایع مختلف است. از جمله این مسائل می‌توان به بهینه‌سازی زنجیره تأمین برای کاهش هزینه‌ها و افزایش کارایی، زمان‌بندی تولید برای حداکثر کردن بهره‌وری، تخصیص بهینه منابع برای پروژه‌های مختلف، و طراحی شبکه‌های توزیع یا ارتباطی اشاره کرد. شما با این پروژه‌های عملی، تجربه دست اول در پیاده‌سازی و حل مسائل بهینه‌سازی را کسب خواهید کرد.
• تکنیک‌های پیشرفته در Pyomo: همچنین، تکنیک‌های پیشرفته در Pyomo مانند استفاده از مجموعه‌ها (Sets) و پارامترها (Parameters) برای ساخت مدل‌های مقیاس‌پذیر و قوانین شرطی (Rules) برای تعریف قیود و توابع هدف به صورت پویا آموزش داده می‌شود. در نهایت، با استراتژی‌های عیب‌یابی مدل‌ها، شناسایی و رفع خطاهای مدل‌سازی، و بهبود عملکرد حل‌کننده‌ها برای دستیابی به پاسخ‌های دقیق‌تر و سریع‌تر آشنا خواهید شد.

• کسب مهارت‌های عملی: این دوره به شما امکان می‌دهد تا مهارت‌های عملی و کاربردی بی‌نظیری را برای حل مسائل بهینه‌سازی در دنیای واقعی کسب کنید و به یک مدل‌ساز ماهر Pyomo تبدیل شوید.
• افزایش قابلیت‌های حرفه‌ای: با تسلط بر Pyomo، قادر خواهید بود تا چالش‌های پیچیده‌ای را در حوزه‌هایی مانند علوم داده، تحقیق در عملیات، مهندسی صنعتی، مدیریت و اقتصاد به طور سیستماتیک تحلیل و حل کنید که در مسیر پیشرفت شغلی شما بسیار مؤثر خواهد بود.
• پوشش جامع و گام‌به‌گام: شما از مفاهیم کاملاً پایه‌ای و مقدماتی بهینه‌سازی شروع کرده و به تدریج به تکنیک‌ها و کاربردهای پیشرفته Pyomo می‌رسید. این رویکرد گام به گام تضمین می‌کند که حتی اگر پیش‌زمینه قبلی در بهینه‌سازی ندارید، به راحتی می‌توانید مفاهیم را درک کرده و آن‌ها را به کار بگیرید.
• دسترسی آفلاین و بدون نیاز به اینترنت: ویژگی منحصر به فرد این دوره، ارائه آن بر روی فلش مموری ۳۲ گیگابایتی است. این بدان معناست که تمامی محتوای آموزشی، شامل ویدئوها، فایل‌های کد، داده‌ها و مثال‌ها، به صورت آفلاین در دسترس شما خواهد بود. شما نیازی به اتصال دائم به اینترنت نخواهید داشت.
• انعطاف‌پذیری در یادگیری: می‌توانید در هر زمان و مکانی که برایتان مناسب است، به مطالعه و تمرین بپردازید. این ویژگی، انعطاف‌پذیری بی‌نظیری را برای یادگیری خودگام (self-paced learning) فراهم می‌کند و تضمین می‌کند که روند یادگیری شما بدون وقفه و مستقل از دسترسی به شبکه باشد.
• آمادگی برای چالش‌های پیچیده: با یادگیری Pyomo و تسلط بر رویکردهای بهینه‌سازی، شما آماده مواجهه با چالش‌های پیچیده تصمیم‌گیری در هر سازمانی خواهید بود و می‌توانید راهکارهایی مبتنی بر داده و مدل‌های ریاضی برای بهبود عملکرد ارائه دهید.

برای بهره‌برداری کامل از این دوره، داشتن آشنایی اولیه با زبان برنامه‌نویسی پایتون ضروری است. این شامل درک مفاهیمی مانند متغیرها، حلقه‌ها، شرط‌ها، توابع و ساختارهای داده‌ای ابتدایی (مانند لیست‌ها و دیکشنری‌ها) می‌شود. نیازی به تسلط عمیق بر پایتون نیست، اما قادر بودن به خواندن و نوشتن کدهای پایه پایتون به شما کمک می‌کند تا مثال‌ها و تمرینات دوره را به راحتی دنبال کنید.

همچنین، درک پایه از مفاهیم ریاضی مانند جبر مقدماتی (حل معادلات، نامساوی‌ها) مفید خواهد بود. با این حال، نگران نباشید اگر دانش قبلی در زمینه بهینه‌سازی، تحقیق در عملیات یا ریاضیات پیشرفته ندارید؛ این دوره با رویکردی از صفر تا صد طراحی شده است تا تمامی مفاهیم ضروری بهینه‌سازی را از ابتدا به شما آموزش دهد. تمرکز بر کاربرد و پیاده‌سازی عملی است، بنابراین دانش نظری پیچیده پیش‌نیازی محسوب نمی‌شود.

• فصل اول: مقدمه‌ای بر بهینه‌سازی و آشنایی با Pyomo

  در این فصل، با چیستی بهینه‌سازی و اهمیت آن در علوم مختلف آشنا می‌شوید، نحوه نصب Pyomo و محیط‌های توسعه را فرا می‌گیرید و اولین مدل بهینه‌سازی ساده خود را پیاده‌سازی می‌کنید.

• فصل دوم: برنامه‌ریزی خطی (LP) با Pyomo

  مفاهیم برنامه‌ریزی خطی، نحوه مدل‌سازی مسائل LP پایه با Pyomo (مثل مشکل مخلوط کردن، تخصیص منابع) و استفاده از حل‌کننده‌های رایگان و قدرتمند مانند GLPK و CBC برای حل این مدل‌ها را خواهید آموخت.

• فصل سوم: برنامه‌ریزی عدد صحیح (IP) و مختلط (MIP)

  در این بخش، به معرفی متغیرهای عدد صحیح و باینری پرداخته می‌شود. شما یاد می‌گیرید که چگونه مسائل IP/MIP را مدل‌سازی کنید (مانند مشکل کوله‌پشتی، زمان‌بندی تولید) و حل‌کننده‌های مناسب برای این نوع مسائل را انتخاب و پیکربندی نمایید.

• فصل چهارم: برنامه‌ریزی غیرخطی (NLP) با Pyomo

  این فصل به معرفی برنامه‌ریزی غیرخطی اختصاص دارد. نحوه مدل‌سازی توابع هدف و قیود غیرخطی در Pyomo و چگونگی استفاده از حل‌کننده‌های NLP مانند IPOPT برای دستیابی به بهینه‌ترین پاسخ‌ها را فرا می‌گیرید.

• فصل پنجم: ویژگی‌های پیشرفته Pyomo و مدیریت داده

  کار با مجموعه‌ها (Sets) و پارامترها (Parameters) برای ساخت مدل‌های بزرگتر و مقیاس‌پذیر، ایجاد قوانین (Rules) برای قیود و توابع هدف دینامیک، و همچنین ادغام داده‌ها از منابع خارجی (CSV, Excel, databases) از جمله مباحث مهم این فصل هستند.

• فصل ششم: مطالعات موردی عملی و بهینه‌سازی پیچیده

  در این فصل، به پیاده‌سازی پروژه‌های واقعی و پیچیده مانند بهینه‌سازی زنجیره تأمین، زمان‌بندی تولید، تخصیص بودجه و طراحی شبکه می‌پردازید. همچنین با تحلیل حساسیت و تفسیر نتایج مدل‌ها آشنا می‌شوید.

• فصل هفتم: بهترین شیوه‌ها و بهینه‌سازی عملکرد

  این بخش شامل نکات و ترفندهایی برای نوشتن کدهای Pyomo کارآمد، عیب‌یابی و دیباگ کردن مدل‌های بهینه‌سازی، و آشنایی با اکوسیستم Pyomo و منابع بیشتر برای ادامه یادگیری و توسعه مهارت‌های شما است.