What you'll learn
Easily & quickly develop an optimization model from scratch (check promo video for all info )
FICO Xpress is the software you will learn. You do not need software engineering background.
Download, install and use the software without expiration date and for free.
In less than 2 hours, you will have a very good grasp of the software & you can build your own models
Requirements
The only prerequisite is to take the first course of the "giannelos dot com" program , which is the course "Data Science Code that appears all the time at workplace".
Description
NOTE: THIS COURSE IS CURRENTLY UNPUBLISHED AS IT IS BEING RADICALLY REDESIGNEDNOTE: THIS COURSE IS CURRENTLY UNPUBLISHED AS IT IS BEING RADICALLY REDESIGNEDNOTE: THIS COURSE IS CURRENTLY UNPUBLISHED AS IT IS BEING RADICALLY REDESIGNEDΠερίληψη :Βήμα προς βήμα Αρχές βελτιστοποίησηςΜαθαίνουμε τη γλώσσα μοντελοποίησης FICO Xpress, η οποία είναι εναλλακτική της Pyomo, GAMS.Μαθαίνουμε τις αρχές της βελτιστοποίησης με δομημένο τρόπο.Βήμα-βήμα, χωρίς προϋποθέσεις. Σημαντικό :Δεν χρειάζονται προαπαιτούμενα: Δεν χρειάζεται να γνωρίζετε καθόλου Προγραμματισμό (π.χ. Python ή MATLAB ή C ++) γιατί εξετάζουμε όλες τις εντολές που χρειάζονται, με μεγάλη λεπτομέρεια και με πολλά παραδείγματα.Ξεκινάμε από το μηδέν, για να μην χρειάζεται να έχετε κάνει καθόλου προπαρασκευαστικές εργασίες εκ των προτέρων. Απλώς ακολουθήστε αυτό που εμφανίζεται στην οθόνη, γιατί προχωράμε αργά καθώς εξηγούμε τα πάντα λεπτομερώς.Δεν μπορείτε να μαντέψετε ή να κάνετε αναζήτηση στο Διαδίκτυο γιατί προχωράμε αργά και εξηγούμε πλήρως τι εμφανίζεται στην οθόνη.Εάν είστε έμπειρος προγραμματιστής, τότε μπορεί να διαπιστώσετε ότι τα βίντεο πάνε πολύ αργά. Αυτό ισχύει γιατί καταστρέφω κάθε εντολή, ειδικά τις σύνθετες. Υπάρχουν άλλα διαδικτυακά μαθήματα για το Udemy που απλώς δίνουν τον κώδικα και σας δίνουν μια συνολική περιγραφή του και, στη συνέχεια, πρέπει να καταλάβετε τι κάνει. Στα μαθήματά μου, κάνουμε το αντίθετο: πηγαίνουμε πολύ αργά και εξετάζουμε κάθε εντολή. Αυτός είναι ο λόγος για τον οποίο ορισμένα βίντεο μπορεί να έχουν διάρκεια 30 λεπτών, και αυτό συμβαίνει επειδή εμβαθύνουμε και περιγράφουμε πλήρως τον κώδικα. Σε αυτό το μάθημα, δεν υπάρχει ΤΙΠΟΤΑ για να ψάξετε στο google γιατί κάθε γραμμή κώδικα εξηγείται λεπτομερώς.Έτσι στο τέλος του μαθήματος θα νιώθετε σίγουροι ότι ΕΙΣΤΕ ΟΙΚΟΝΟΜΙΚΟΙ ό,τι έχει διδαχθεί! Για τα περιεχόμενα αυτού του μαθήματος, παρακολουθήστε το βίντεο προώθησης και επίσης διαβάστε τα περιεχόμενα και τις κριτικές. Αυτό το μάθημα έχει λάβει πολύ υψηλές κριτικές, σε σταθερή βάση. Αυτό το μάθημα έχει επίσης σχεδιαστεί με βάση το υλικό των συνεντεύξεων (τράπεζες, ενεργειακές εταιρείες/οργανισμοί, ρόλοι μηχανικής λογισμικού κ.λπ.), οπότε στο τέλος του, θα είστε πλήρως καλυμμένοι και σίγουροι ότι θα τα πάτε καλά.Όπως μπορείτε να διαβάσετε στο προφίλ μου, είμαι επικεφαλής της έρευνας, επομένως έχω μεγάλη εμπειρία σε αυτόν τον τομέα. Άρα είσαι σε καλά χέρια. Καλή τύχη και ότι χρειαστείς, είμαι και θα είμαι εδώ για να σε βοηθήσω.
Overview
Section 1: Introduction
Lecture 1 Innovative Research
Lecture 2 Optimization Process
Lecture 3 Research in Optimization
Lecture 4 Selecting the type of License
Lecture 5 Downloading the installer
Lecture 6 Software Installation
Lecture 7 Exploring available help resources
Section 2: Stochastic Optimization Theory using Python
Lecture 8 Construct a 2-stage scenario tree using Python
Lecture 9 Transition Probabilities on Python
Section 3: Apple Watch Optimization Case
Lecture 10 Setting the scene
Section 4: Fundamentals of Optimization Modelling
Lecture 11 Initial implementation of an Optimization Model
Lecture 12 Implementation and output
Lecture 13 Grouping variables and parameters
Lecture 14 Modelling summations
Lecture 15 Repetitive application of constraints
Lecture 16 Multiple statements on a single line
Lecture 17 Creating comment sections
Lecture 18 Applying code conditionally
Section 5: Intermediate concepts on Optimization Modelling
Lecture 19 Optimality, Infeasibility, Unboundedness
Lecture 20 Data Initialization
Lecture 21 Procedural coding
Lecture 22 Functional coding
Lecture 23 Optimization structure
Lecture 24 Multidimensional Variables and Parameters
Lecture 25 Activity, duality and slackness
Lecture 26 Reduced costs
Section 6: Conclusion
Lecture 27 Concluding remarks and wrap-up
Section 7: In depth aspects
Lecture 28 Mixed Integer Linear Problems
Lecture 29 Explicit and Implicit Variable Declarations
Lecture 30 Writing output data
Section 8: BONUS
Lecture 31 Extra knowledge on discount
Enterpreneurs,Economists.,Quants,Members of the highly googled giannelos dot com program,Investment Bankers,Academics, PhD Students, MSc Students, Undergrads,Postgraduate and PhD students.,Data Scientists,Energy professionals (investment planning, power system analysis),Software Engineers,Finance professionals


Download link

rapidgator.net:

Código:

https://rapidgator.net/file/d0c05208a593cae3a748c02d8894ddf8/yxjtp.Applied.Mathematical.Optimization.part1.rar.html
https://rapidgator.net/file/684983fe3b44cb019a7d9a28f6695955/yxjtp.Applied.Mathematical.Optimization.part2.rar.html

uploadgig.com:

Código:

https://uploadgig.com/file/download/53d492bF24317A1a/yxjtp.Applied.Mathematical.Optimization.part1.rar
https://uploadgig.com/file/download/c4ec9c2A87381487/yxjtp.Applied.Mathematical.Optimization.part2.rar

nitroflare.com:

Código:

https://nitroflare.com/view/996245317FCCE44/yxjtp.Applied.Mathematical.Optimization.part1.rar
https://nitroflare.com/view/53D6374C95247FB/yxjtp.Applied.Mathematical.Optimization.part2.rar

1dl.net:

Código:

https://1dl.net/o904s7dve9zu/yxjtp.Applied.Mathematical.Optimization.part1.rar.html
https://1dl.net/j9yreep8ed0z/yxjtp.Applied.Mathematical.Optimization.part2.rar.html