فرادرس
فرصت باقیمانده
۲۱,۰۰۰ تومان
در طرح تخفیف
۱۲,۶۰۰ تومان

آموزش مقدماتی پیاده سازی مسائل بهینه سازی در پایتون (Python)

آموزش مقدماتی پیاده سازی مسائل بهینه سازی در پایتون (Python)

تعداد دانشجو
۱,۴۵۹ نفر
مدت زمان
۴ ساعت و ۳ دقیقه
هزینه عادی آموزش
۲۱,۰۰۰ تومان
در طرح تخفیف
۱۲,۶۰۰ تومان
(کسب اطلاعات بیشتر +)
محتوای این آموزش
۳ بازخورد (مشاهده نظرات)
آموزش مقدماتی پیاده سازی مسائل بهینه سازی در پایتون (Python)

چکیده

واضح است که مسائل بهینه سازی تقریبا در تمام علوم وجود دارند و شما همیشه به دنبال یافتن بهترین جواب از بین جواب های موجود برای مساله خود هستید. حل دستی بهینه سازی تنها برای مسائل خیلی کوچک امکان پذیر است و برای مسائل علمی که ما روزانه با آن درگیر هستیم، استفاده از کامپیوتر ضروری است. ما در این آموزش از زبان پایتون استفاده می کنیم چرا که همزمان هم برنامه نویسی را ساده کرده و هم بسیار قدرتمند است و به این ترتیب در پایان این آموزش شما هم با بهینه سازی و هم با پیاده سازی آن در پایتون آشنا می شوید که این به شما برای پیاده سازی مسائل بهینه سازی مربوط به خودتان کمک می کند.

مدرس
پژمان اقبالی شمس آبادی

کارشناس ارشد مهندسی مکانیک

مهندس پژمان اقبالی شمس آبادی کارشناس ارشد مهندسی مکانیک دانشگاه علم و صنعت ایران، مشغول انجام کار روی پروژه های خود در زمینه های آکوستیک، ارتعاشات و پردازش تصویر هستند. ایشان به مباحث دینامیک و ارتعاشات و همچنین برنامه نویسی علاقه مند هستند و سابقه کار با نرم افزارهای مهندسی مکانیک همچون: CATIA و COMSOL را دارند. ایشان به نرم افزار MATLAB مسلط هستند و توانایی برنامه نویسی با زبان های مختلف همچون: C++, JAVA, Python را دارند.

توضیحات تکمیلی

بهینه سازی یعنی یافتن بهترین پاسخ ممکن از بین پاسخ های موجود برای یک مساله. به طور کلی هر زمان با مسائلی مانند: پیدا کردن بیشترین، کمترین، بهترین، ارزان ترین، کوتاه ترین و از این دست مسائل رو به رو شدید، می توانید با روش های بهینه سازی به این مسائل پاسخ دهید.

در این آموزش ما به دنبال ارائه چند مساله کلاسیک بهینه سازی هستیم که کاربرد بسیار زیادی در حل مسائل مختلف دارند. یعنی ما روش هایی برای حل کلاس بزرگی از مسائل بهینه سازی نیز ارائه می دهیم. به منظور ارتباط بهتر با مسائل بهینه سازی، ما از زبان علمی و پرکاربرد پایتون (Python) استفاده می کنیم و بنابراین شما می توانید روند پیاده سازی یک مساله بهینه سازی به صورت کامپیوتری را ببینید و با آموزش این روند، مسائل خودتان را نیز در پایتون پیاده سازی کنید.

واضح است که مسائل بهینه سازی تقریبا در تمام علوم وجود دارند و شما همیشه به دنبال یافتن بهترین جواب از بین جواب های موجود برای مساله خود هستید. حل دستی بهینه سازی تنها برای مسائل خیلی کوچک امکان پذیر است و برای مسائل علمی که ما روزانه با آن درگیر هستیم، استفاده از کامپیوتر ضروری است. ما در این آموزش از زبان پایتون استفاده می کنیم چرا که همزمان هم برنامه نویسی را ساده کرده و هم بسیار قدرتمند است و به این ترتیب در پایان این آموزش شما هم با بهینه سازی و هم با پیاده سازی آن در پایتون آشنا می شوید که این به شما برای پیاده سازی مسائل بهینه سازی مربوط به خودتان کمک می کند.

 
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مسائل بهینه سازی کوله پشتی
    • الگوریتم Greedy و پیاده سازی در پایتون (Python)
    • مساله کوله پشتی 0/1 و پیاده سازی در پایتون
  • درس دوم: مسائل بهینه سازی گراف
    • مفهوم گراف و مسائل کلاسیک در تئوری گراف
    • پیاده سازی مساله کوتاه ترین مسیر در گراف با الگوریتم BFS و DFS در پایتون
  • درس سوم: برنامه نویسی پویا
    • دنباله فیبوناچی با و بدون برنامه نویسی پویا
    • برنامه نویسی پویا و مساله کوله پشتی
    • پیاده سازی مساله کوله پشتی با برنامه نویسی پویا در پایتون
 
مفید برای رشته های
  • مهندسی کامپیوتر
  • مهندسی صنایع
  • مهندسی مکانیک

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Python 3.7.0



پیش نمایش‌ها

پیش‌نمایش ۱: مسائل بهینه‌سازی کوله‌پشتی (الف)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۰ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۲: مسائل بهینه‌سازی کوله‌پشتی (ب)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۲ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۳: مسائل بهینه‌سازی گراف (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۴: مسائل بهینه‌سازی گراف (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۵: برنامه‌نویسی پویا
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای تهیه آموزش ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

راهنمایی بیشتر ( +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش مقدماتی پیاده سازی مسائل بهینه سازی در پایتون (Python)
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۶۵۶۸۰ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVPHT97031
مدت زمان ۴ ساعت و ۳ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
حجم دانلود ۳۲۸ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۱,۴۵۹ نفر از این آموزش استفاده کرده اند و ۳ نظر ثبت شده است.
دانیال
دانیال

آموزش در حد مقدماتی خوب بود و میزان تسلط مدرس روی مباحث مناسب بود.

جواد
جواد

میران تسلط خوب و راضی کننده بود.
تصویر خوب بود ولی صدا یه مقدار ضعیف بود.

علی
علی

با سلام خدمت تمام افرادی که در ساخت و پخش این آموزش ها دستی دارند این آموزش بسیار کمک کننده در زمینه یادگیری پایتون (با تمرین کردن در همین آموزش) و یاد گرفتن مسایل مهم بهینه سازی می باشد که به من برای ساختن اولین پروژه بهینه سازیم با پایتون بسیار کمک کرد ولی امیروارم پیاده سازی بهینه سازی های بهتر مانند الگوریتم ژنتیک و یا حتی با شبکه عصبی را با پایتون در سایتتون قرار دهید

تنها کاربران ثبت نامی در آموزش امکان درج کامنت را دارند

برچسب‌ها: python | الگوریتم Greedy | برنامه نویسی پویا | بهینه سازی | بهینه سازی تئوری گراف کلاسیک | بهینه سازی در پایتون | بهینه سازی کوله پشتی | بهینه سازی گراف در پایتون | پیاده سازی الگوریتم Greedy در پایتون | دنباله فیبوناچی | زبان برنامه نویسی پایتون (Python) | فیبوناچی | کوتاه ترین مسیر در گراف در پایتون | کوله پشتی با برنامه نویسی پویا در پایتون | گراف کلاسیک | مسائل بهینه سازی | مساله کوله پشتی