投稿元:
レビューを見る
AIの勉強をする中で、最適化に関してはAIそのものが扱うものではなく数理最適化という別の分野があることを知りました。またその数理最適化は今ある機能を使う、という感じではなくどのように最適化するかというルール設定と数式への落とし込みが必要でなかなかナレッジを得られにくいものであることもわかりました。
本書では具体的な事例とともに、どのように制約と数式への落とし込み、そしてPythonでの具体的コーディングにまで解説が及んでおり、数学面では「連立一次方程式が解けるレベルであれば理解できる」というなんともうれしい前提条件の技術書となっています。実際にはシグマや繰り返し構文に関する理解がないと読み進めることはできませんが、数理最適化に対する「とにかく難しくて手が出ない」というイメージとは違って比較的とっつきやすい本になっています。
以下、具体的に紹介されていた内容です。読みたくなりますよね。
・学校のクラス編成(先生はクラス編成をどのように行っていたんだろうと昔に想いをはせてしまいました。)
・割引クーポンキャンペーンの効果最大化(身近にある課題でなるほどと思う内容だった。)
・輸送車両の配送計画(これが一番難しかった、、)
・数理最適化APIとWebアプリケーションの開発(実際動かしてみるとこれが一番面白かった)
・商品推薦のための興味スコアリング(最も興味があるというものをどうモデルに定義していくかがとても面白かった)
データやサンプルコードが提供されていますが、実際に動かすためのAnacondaの準備などについては説明がないので、自力で調べる必要がありました。ネットで調べればすぐ出てきますが、そのあたり全く触れたことがない人はAnacondaって何なのかという勉強に少し時間を割く必要が出てきます。
投稿元:
レビューを見る
数理最適化の具体例として興味深い本であった。数理最適化の計算は,主にPythonのPuLPを用いており,ある程度慣れていた方が読みやすい。
投稿元:
レビューを見る
最適化の事例を数件紹介している。
「最適化手法入門」は、数式の理解と解法の演習を取り扱っているが、応用例として実社会の問題はこちらの図書を読むとよい。
最適化ライブラリは、PuLP
明解な文章で、丁寧にサンプルプログラムを解説しており、
初学者に親切な本。
6章 「数理最適化APIとWebアプリケーションの開発」は、
数理最適問題のプログラムのパッケージ化から
APIのライブラリ Flask を用いたwebアプリケーション側のリクエスト処理方法など
実装方法をしっかり理解できる。