Tècniques d'Optimització per a la Mineria de Dades

Crèdits
6
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
EIO
The course introduces the basic concepts of optimization and the different types of optimization problems, the iterative algorithms to solve these problems, and their properties. The practice of optimization using modeling languages to describe a problem and commercial and publicly available solvers is also emphasized.

Professorat

Responsable

Altres

Hores setmanals

Teoria
3.2
Problemes
0
Laboratori
0
Aprenentatge dirigit
0.777
Aprenentatge autònom
52

Objectius

  1. (veure versió en anglès)
    Competències relacionades: CEE5.3, CEE3.2, CTR2, CTR6,
  2. (veure versió en anglès)
    Competències relacionades: CEE5.3, CG1, CG3, CEE3.2, CEE3.3, CB9, CEC1, CEC2,
  3. (veure versió en anglès)
    Competències relacionades: CEE5.3, CEE3.2, CEE3.3,
  4. (veure versió en anglès)
    Competències relacionades: CEE5.3, CTR6,

Continguts

  1. Optimització sense restriccions
    Optimality conditions. Convexity. Descent directions.
    Line search. Acceptability of step sizes.
    General minimization algorithm.
    Gradient method. Rate of convergence.
    Newton's method. Factorizations to ensure convergence.
    Weighted least squares.
    Introduction to AMPL. The Neos solver site.
  2. Optimització amb restriccions i "Support Vector Machines".
    - Introduction to Support Vector Macines (SVM)
    - KKT Optimality conditions of constrained optimization. Optimality conditions of SVM.
    - Duality in Optimization. The dual of the SVM.
  3. Programació Entera.
    - Modelling problems with binary variables.
    - The branch and bound algorithm for integer programming
    - Gomory's cutting planes algorithm.
    - Minimal spanning tree problem and algorithms of Kruskal and Prim.

Activitats

Activitat Acte avaluatiu


Unconstrained Optimization

Optimality conditions. Convexity. Descent directions. Line search. Acceptability of step sizes. General minimization algorithm. Gradient method. Rate of convergence. Newton's method. Factorizations to ensure convergence. Weighted least squares. Introduction to AMPL. The Neos solver site.
Objectius: 1 2 3 4
Teoria
17.3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
35h

Constrained Optimization and Support Vector Machines

- Introduction to Support Vector Macines (SVM) - KKT Optimality conditions of constrained optimization. Optimality conditions of SVM. - Duality in Optimization. The dual of the SVM.
Objectius: 1 2 3 4
Teoria
17.4h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
35h

Integer Programming

- Modelling problems with binary variables. - The branch and bound algorithm for integer programming - Gomory's cutting planes algorithm. - Minimal spanning tree problem and algorithms of Kruskal and Prim
Objectius: 1 2 3 4
Teoria
17.3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
35h

Metodologia docent

(veure versió en anglès)

Mètode d'avaluació

(veure versió en anglès)

Bibliografia

Bàsic

Web links

Capacitats prèvies

(veure versió en anglès)