Scienze statistiche - Statistical Sciences

Obiettivi formativi Il corso intende fornire una visione unificata dei principali problemi di ottimizzazione e dei relativi algoritmi di soluzione. Alla fine del corso lo studente è in grado di classificare i problemi di ottimizzazione in opportune categorie, formulare modelli di ottimizzazione per semplici problemi reali e risolverli con gli algoritmi e il software adeguati. Conoscenza e capacità di comprensione. Dopo aver frequentato il corso lo studente conosce e comprende le diverse classi di problemi di ottimizzazione (Programmazione LIneare, Programmazione Lineare con Variabili Intere, Programmazione Non Lineare Convessa) e i principali metodi di soluzione (Metodo del Simplesso, Metodi Branch and Bound e Cutting Plane, Metodi di discesa basati sul gradiente e Metodi ai punti interni). Capacità di applicare conoscenza e comprensione. Gli studenti che superano l'esame sono in grado riconoscere problemi reali che possono essere modellizzati come problemi di ottimizzazione, di formulare tali modelli per alcune classi di problemi e risolverli con gli algoritmi e il software adeguati. Autonomia di giudizio. Gli studenti acquisiscono la capacità di classificare i problemi di ottimizzazione in opportune categorie e di valutarne la complessità computazionale. Imparano inoltre a vagliare i diversi aspetti legati ai problemi applicativi, a valutare diverse opzioni modellistiche e a analizzare i risultati ottenuti. Abilità comunicativa. La frequenza delle lezioni e lo studio del materiale del corso permettono agli studenti di acquisire il linguaggio base della disciplina. Le attività di laboratorio permettono agli studenti di acquisire la capacità di preparare brevi documenti che descrivono le scelte modellistiche e i risultati ottenuti su semplici casi applicativi. Capacità di apprendimento. Gli studenti che superano l’esame sono in grado di seguire corsi che trattano in modo più approfondito le varie classi di problemi di ottimizzazione.