最適化理論の基礎（Excel, Pythonなどの実習込）
公開日
2021年10月6日
更新日
2022年1月21日
ビジネスの意思決定を自動化する最強ツール「数理最適化」
数理最適化は与えられた制約条件を満たす中で、最も良い結果を導き出すという計算技術で、現実の問題のポイントを整理して数式で表し、数式にあったアルゴリズムで最適な答えを求めます。
近年、データサイエンスの飛躍的な発達により、AI（人工知能）や機械学習（マシーンラーニング）、深層学習（ディープラーニング）が社会に広まり、活用されるようになってきました。
ビッグデータを解析する手段であり、今やビジネス上では当たり前のごとく使われている「統計」や「機械学習」と比較すると世間一般への浸透度が低い「数理最適化」ですが、実際のところは、IoT社会の実現のための重要なキーポイントとも言える重要なツールです。機械学習とは大きく異なり、数理最適化は最適なアクションを決定するための方法論で、機械学習で出された予測値を使ってシミュレーションを行い、意思決定を自動化します。
宅配における配送効率の向上、スポーツ競技のスケジューリング、リターンを最大化するための投資戦略などの最適解・改善策を見つけたり、目的地までの最適なルート選択、勤務シフトの最適化、商品の需要予測、不良品の選別などの判断を自動化したりと、数理最適化は製造業、物流、小売、金融（ファイナンス）、交通、社会インフラ、医療、農業、ヘルスケア等の様々な産業分野において活用されています。
このような需要の増加に伴い、今、数理最適化の知識とそれを使いこなせる社会人が求められています。
本セミナーでは、様々な場面で使われているアルゴリズムの数学的部分を支える有名な最適化問題を手広く体得することで、最適化の各手法の数学的背景を解説し、直観的に理解するだけでなく、最適化という考え方の基礎をしっかりと固めることを目指します。
受講内容
本講座は、最適化の基礎部分の体得と簡単なプログラミンングによる実装(ExcelやPython使用)を目標にしています。
土台に当たる数式の組み立て方や考え方といったアルゴリズムを学び、実際の計算はビジネスシーン同様にエクセルやパイソンに任せて実行させてみることで、頭と体で習得していきます。
本の中では省略されて記載されている途中の計算や、数式の持つ意味を数理的に一緒に考えていくことで、一人で本を読んでわかったつもりになっていたことや、難しくて読み飛ばしてしまった部分も、しっかり理解できます。
個別指導のメリットを活かし、必要に応じて、一人一人の知識レベルに合わせた内容にアレンジして講義しますので、はじめて最適化理論を学ぶ初心者はもちろん、学生時代に学んだ内容の学びなおしたい方、既に業務で携わっている方のブラッシュアップにもオススメです。
数理最適化の本には難しい数式が羅列されていて、自分には到底無理だ、と諦めた経験のある文系で数学に自信がない方や、数学が苦手な方には中学数学や高校数学など、基礎的な数学を掘り下げて解説を行いますので、挫折することなく学習が続けられます。
※内容はお客様のご要望等によって変更することがあります。
受講対象
・最適化の理論背景やプログラミングを学びたい方
・経営工学の実務活用に関する数学を学びたい方
・最適化の実務活用に興味がある方
・自身のキャリアアップとして最適化の知識を習得したい社会人の方
・データサイエンティストのスキルとして最適化を習得したい方
・機械学習や深層学習に最適化を取り入れたいエンジニアの方
・外部コンサルタントに依頼するために、最適化の概要を理解しておきたい経営者の方
・大学、大学院等の学校の授業対策として勉強が必要な方
など
必要な数学知識
モデルプラン
1) 最適化問題のロードマップ
2) 線形計画法I〜基本式、例、内点法
3) 線形計画法II〜双対定理、緩和問題 など
4) 非線形計画法I〜凸計画問題
5) 非線形計画法II〜ニュートン法、勾配法 など
6) 非線形計画法III〜制約ありのとき
7) 整数計画・組み合わせ最適化I〜基本式、グラフなど
8) 整数計画・組み合わせ最適化II〜動的計画法
9) 整数計画・組み合わせ最適化III〜分枝限定法
10) 整数計画・組み合わせ最適化IV〜ビンパッキン問題、巡回セールスマン問題
11) 整数計画・組み合わせ最適化V〜 メタヒューリスティク
12) その他の最適化問題〜 ExcelソルバーやPuLPによる解法など
参考テキスト
担当講師
※日程により一部講師が変わる事があります。
