Optimeerimine masinõppes (MLM6316.DT)
Õppeaine kood
MLM6316.DT
vana ainekood
Õppeaine nimetus eesti k
Optimeerimine masinõppes
Õppeaine nimetus inglise k
Optimization for Machine Learning
Õppeaine maht EAP
6.0
Kontrollivorm
eksam
2023/2024 kevadsemestri õppejõud
Ei ole õpetamiseks avatud. Vt all õppekava lingi kaudu peaeriala all nominaaljaotuse ajakava.
2024/2025 sügissemestri õppejõud
Ei ole õpetamiseks avatud. Vt all õppekava lingi kaudu peaeriala all nominaaljaotuse ajakava.
Õppeaine eesmärgid
See kursus annab laialdase sissejuhatuse optimeerimisse, keskendudes eriti praktilistele algoritmidele, et lahendada probleeme erinevatest teadmiste valdkondadest, nagu matemaatika, statistika, arvutiteadus, lennundus, elektrotehnika ja operatsioonianalüüs. Selleks käsitletakse mitmesuguseid optimeerimise teemasid. Iga käsitletava teema juures tutvustatakse aluseks olevaid matemaatiliste ülesannete sõnastusi ja nende lahendamise algoritme. Selle kursuse lõpuks on üliõpilasel tugevad teadmised erinevat tüüpi optimiseerimisprobleemidest, nende lahendamiseks kasutatavatest arvutuslikest/numbrilistest meetoditest ja eeldustest (nii matemaatilistest kui ka arvutuslikest), mille alusel need meetodid usaldusväärseid lahendeid pakuvad. Kursusel eeldatakse eelnevat kokkupuudet mitme muutuja funktsioonidega, lineaaralgebraga ja tõenäosusteooriaga.
Õppeaine sisu lühikirjeldus
Tuletised ja gradiendid, ümbritsemise meetod, kiireima languse meetod, esimest järku meetodid, teist järku meetodid, otsesed meetodid, stohhastilised meetodid, populatsioonimeetodid, kitsendustega optimeerimine, lineaarsete kitsendustega optimeerimine, mitme- sihifunktsiooniga optimeerimine.
Õppeaine õpiväljundid
Õppeaine edukal läbimisel üliõpilane:
- omab tugevat arusaama erinevatest metoodikatest, et lahendada paljusid optimeerimisprobleeme matemaatika, statistika, arvutiteaduse, lennunduse, elektrotehnika ja operatsioonianalüüsi valdkonnas;
- oskab realiseerida vaba tarkvara abil arvutuslikke optimeerimisalgoritme, et lahendada tõhusalt klassikalisi ja mitme- sihifunktsiooniga optimeerimisülesandeid;
- oskab määrata erinevate optimeerimisprobleemide jaoks parima lahendustehnika, olenevalt konkreetse probleemi eripäradest ja kaasatud muutujatele seatud kitsendustest;
- tõlgendab arvutiprogrammiga saadud lahendusi, et pakkuda välja strateegiaid protsesside optimeerimiseks erinevates loodusteaduste, inseneeria, tööstuse ja tehnoloogia valdkondades.
- omab tugevat arusaama erinevatest metoodikatest, et lahendada paljusid optimeerimisprobleeme matemaatika, statistika, arvutiteaduse, lennunduse, elektrotehnika ja operatsioonianalüüsi valdkonnas;
- oskab realiseerida vaba tarkvara abil arvutuslikke optimeerimisalgoritme, et lahendada tõhusalt klassikalisi ja mitme- sihifunktsiooniga optimeerimisülesandeid;
- oskab määrata erinevate optimeerimisprobleemide jaoks parima lahendustehnika, olenevalt konkreetse probleemi eripäradest ja kaasatud muutujatele seatud kitsendustest;
- tõlgendab arvutiprogrammiga saadud lahendusi, et pakkuda välja strateegiaid protsesside optimeerimiseks erinevates loodusteaduste, inseneeria, tööstuse ja tehnoloogia valdkondades.
Õppejõud
Jorge Eduardo Macias-Diaz
Eeldusaine 1