دوره مبانی و کاربردهای بهینه‌سازی محدب در مهندسی و علوم داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی و کاربردهای بهینه‌سازی محدب در مهندسی و علوم داده

موضوع کلی: علوم مهندسی و ریاضیات کاربردی

موضوع میانی: بهینه‌سازی ریاضی و مدل‌سازی سیستم‌ها

📋 سرفصل‌های دوره

• 1. مبانی مجموعه‌های محدب و خواص هندسی آن‌ها
• 2. تعریف و ویژگی‌های توابع محدب
• 3. عملیات‌های حفظ‌کننده تحدب در توابع
• 4. مجموعه‌های مخروطی و فضای برداری
• 5. بهینه‌سازی محدب و فرم استاندارد مسائل
• 6. مسائل بهینه‌سازی بدون قید و روش‌های گرادیانی
• 7. مسائل بهینه‌سازی با قیدهای تساوی و ضرایب لاگرانژ
• 8. مسائل بهینه‌سازی با قیدهای نامساوی
• 9. شرایط بهینگی کاروش-کون-تاکر (KKT)
• 10. دوگان‌سازی در مسائل بهینه‌سازی محدب
• 11. تفسیر اقتصادی و مهندسی شکاف دوگانگی
• 12. توابع شبه‌محدب و کاربرد آن‌ها در مدل‌سازی
• 13. توابع محدب اکید و خواص همگرایی
• 14. توابع لگاریتمی-محدب و کاربرد در آمار
• 15. مسائل برنامه‌ریزی خطی و مدل‌سازی سیستم‌ها
• 16. برنامه‌ریزی درجه‌دوم و مسائل کمترین مربعات
• 17. برنامه‌ریزی مخروطی درجه‌دوم (SOCP)
• 18. برنامه‌ریزی نیمه‌معین (SDP) و کاربردهای مهندسی
• 19. مسائل بهینه‌سازی ترکیبی و تقریب‌های محدب
• 20. روش‌های جستجوی خطی در بهینه‌سازی
• 21. روش گرادیان کاهشی و تحلیل نرخ همگرایی
• 22. روش‌های نیوتن برای بهینه‌سازی بدون قید
• 23. روش‌های نیوتن با قیدهای تساوی
• 24. روش‌های نقطه درونی برای مسائل برنامه‌ریزی خطی
• 25. روش‌های نقطه درونی برای برنامه‌ریزی نیمه‌معین
• 26. پایداری و تحلیل حساسیت در مدل‌های بهینه‌سازی
• 27. بهینه‌سازی تحت عدم قطعیت و مدل‌سازی استوار
• 28. کاربرد بهینه‌سازی در تخمین پارامترهای آماری
• 29. بهینه‌سازی در پردازش سیگنال و بازیابی داده‌ها
• 30. کاربرد بهینه‌سازی در کنترل سیستم‌های دینامیکی
• 31. بهینه‌سازی در طراحی شبکه‌های مخابراتی
• 32. بهینه‌سازی در تخصیص منابع و مدیریت شبکه
• 33. مدل‌سازی مسائل طبقه‌بندی در علوم داده
• 34. رگرسیون محدب و تنظیم‌گرهای L1 و L2
• 35. روش‌های لاگرانژ افزوده در بهینه‌سازی توزیع‌شده
• 36. الگوریتم‌های مرتبه اول برای مسائل مقیاس‌بزرگ
• 37. بهینه‌سازی با قیدهای پراکندگی (Sparsity)
• 38. تحلیل پیچیدگی محاسباتی الگوریتم‌های بهینه‌سازی
• 39. پیاده‌سازی عددی الگوریتم‌های بهینه‌سازی در محیط‌های نرم‌افزاری
• 40. ارزیابی عملکرد و پایداری عددی در مسائل بهینه‌سازی محدب