Vorlesungen: Prof. Dr. Moritz Diehl, Übungen: Florian Messerer
Die Vorlesung (3 ECTS) vermittelt die Grundlagen und wichtigsten Algorithmen der (nichtlinearen) Optimierung, von Newton-artigen Verfahren über beschränkte Optimierung bis zu Anwendungen in maschinellem Lernen, optimaler Steuerung und Embedded Systems. Sie richtet sich an Studierende des B.Sc. Informatik und B.Sc. Embedded Systems Engineering.
Zeit: Freitags, 10:05 - 11:45 Uhr
Ort: HS 00 026, G.-Köhler-Allee 101
Terminplan
Skript
Das Vorlesungsskript wird hier Schritt für Schritt veröffentlicht.
- skript.pdf (Link TBA)
Vorlesungen
Die Vorlesungsaufzeichnungen werden hier veröffentlicht.
- Vorlesung 1: Willkommen und Einführung
- Vorlesung 2: Newton-artige Verfahren für unbeschränkte Optimierung
- Vorlesung 3: Effiziente Ableitungsberechnung
- Vorlesung 4: Optimierung für Neural Network Training
- Vorlesung 5: Nichtlineare Optimierung mit Gleichungsbeschränkungen
- Vorlesung 6: Optimierung für Optimale Steuerung
- Vorlesung 7: Nichtlineare Optimierung mit Ungleichungsbeschränkungen
- Vorlesung 8: Lineare und Quadratische Optimierung
- Vorlesung 9: Optimierung auf Embedded Systems
- Vorlesung 10: Kombinatorische Optimierung
Übungen
Die Übungen umfassen sowohl Aufgaben zum Bearbeiten von Hand als auch Aufgaben zum Bearbeiten am Computer mit Python.
- Übung 1
- Übung 2
- Übung 3
- Übung 4
Für die Übungen benutzen wir insbesondere auch das auf Optimierung spezialisierte Softwarepaket CasADi.
pip install numpy scipy matplotlib casadi