programa de educacion continuada mathematical … · “un matemático es como un como un modisto...
TRANSCRIPT
“Un matemático es como un como un modisto que no tiene
conciencia de las criaturas a las que le puede venir bien su ropa. Por
supuesto, su arte se originó en la necesidad de vestir a esas
criaturas, pero eso fue hace mucho tiempo. Sin embargo, llegará el
día en el que surja una criatura para la que aquellas prendas se
ajusten como si hubiesen sido hechas para ella. No hay pues fin
para la sorpresa y el goce de las matemáticas”
George B. Dantzig
“Yo consideraba completamente inútil la lectura de grandes
tratados de análisis puro: un número demasiado grande de métodos
pasan una vez ante nuestros ojos. Es en los trabajos de aplicación
donde uno debe estudiarlos, allí se juzga su utilidad y se evalúa la
manera de hacer uso de ellos”
Joseph-Louis de Lagrange
CIENTÍFICO, REAL, PRÁCTICO, EN ESPAÑOL,ON-LINE, FLEXIBLE, A NIVEL DEL ESTADO DELARTE DE LAS METODOLOGÍAS Y DE LASTECNOLOGÍAS DE LA OPTIMIZACIÓN, YECONÓMICO
LA MEJOR VÍA PARA COMPLETAR LA FORMACIÓN UNIVERSITARIA, ACLARAR DUDAS Y/O PARA COMENZAR UNA NUEVA CARRERA: RENTABLE Y PLACENTERA.
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
Fecha Documento: 26/06/2017 Versión Actualizada:
TICAS PARA MODELAMIENTO MATEMÁTICO▪ INTEGRACIÓN JERÁRQUICA DE LA CADENA DE TOMA DE DECISIONES▪ CONCEPTUALIZACIÓN DEL MODELAMIENTO MATEMÁTICO INTEGRADO▪ APLICACIONES EN EL Sector ENERGÍA: ELECTRICIDAD, GAS, PETRÓLEO▪ INTEGRACIÓN MODELOS MATEMÁTICOS Y SISTEMAS DE INFORMACIÓN▪ CONTROL DE RIESGOS FINANCIEROS VÍA OPTIMIZACIÓN ESTOCÁSTICA
DIRIGIDO A:El Programa de Educación Continuada MATHEMATICAL PROGRAMING ANALYST estádirigido a profesionales (ingenieros, matemáticos, físicos, economistas yadministradores) que deseen fortalecer su carrera profesional como científicos de datos(data scientist) y por lo tanto consideren conveniente capitalizar, en menos de un año, el“know how” desarrollado durante cuarenta (40) años de ejercicio profesional de laprogramación matemática (optimización), como una profesión orientada a resolverproblemas reales y a generar valor agregado en las organizaciones sociales y en lasindustriales.
“La planificación a largo plazo no es pensar en las decisiones futuras, sino en el futuro delas decisiones presentes". Peter Drucker.
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
TICAS PARA MODELAMIENTO MATEMÁTICO▪ INTEGRACIÓN JERÁRQUICA DE LA CADENA DE TOMA DE DECISIONES▪ CONCEPTUALIZACIÓN DEL MODELAMIENTO MATEMÁTICO INTEGRADO▪ APLICACIONES EN EL Sector ENERGÍA: ELECTRICIDAD, GAS, PETRÓLEO▪ INTEGRACIÓN MODELOS MATEMÁTICOS Y SISTEMAS DE INFORMACIÓN▪ CONTROL DE RIESGOS FINANCIEROS VÍA OPTIMIZACIÓN ESTOCÁSTICA
UN PROGRAMA ACADÉMICO ESPECIALIZADO EN MODELAMIENTO MATEMÁTICO, 100% BASADO EN EXPERIENCIAS PRÁCTICAS EN EL
MUNDO REAL, ON-LINE Y EN ESPAÑOL,
“Loco es aquel que, haciendo siempre lo mismo, espera cada vez resultados diferentes"Albert Einstein
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
PROGRAMA COMPLETOACTUALIZADO
Formato Inscripción:
PROGRAMA DE EDUCACION CONTINUADAMATHEMATICAL PROGRAMING ANALYST
(THE BEST JOB IN INDUSTRIAL COUNTRIES)
Mas información: [email protected] - Programa General:
CIENTÍFICO, REAL, PRÁCTICO, EN ESPAÑOL, ON-LINE, FLEXIBLE, A NIVEL DEL ESTADO DEL ARTEDE LAS METODOLOGÍAS Y DE LAS TECNOLOGÍAS DE LA PROGRAMACIÓN MATEMÁTICA. BASADOEN LA EXPERIENCIA DE MÁS DE 40 AÑOS IMPLEMENTANDO SOLUCIONES DE OPTIMIZACIÓN ARAEL SECTOR INDUSTRIAL.
LA MEJOR VÍA PARA COMPLETAR LA FORMACIÓN UNIVERSITARIA, ACLARAR DUDAS Y/O PARACOMENZAR UNA NUEVA CARRERA: RENTABLE Y PLACENTERA.
USD
Descripcion Horas Fecha Inicio Videos Costo Profesional Costo Estudiante
MODELAMIENTO MATEMÁTICO ESTRUCTURADO 20 3/7/2017 180 117
OPTIMIZACION AVANZADA 1: OPTIMIZACION PARALELA/DISTRIBUIDA 40 Inmediatamente SI 320 208
OPTIMIZACION AVANZADA 2: ALGORITMOS & TIPOS DE PROBLEMAS 20 Agosto 180 117
ANALYTICS - METODOLOGÍAS DE “FORECAST” DE VARIABLES 20 Inmediatamente SI 180 117
OPTIMIZACION BASICA UTILIZANDO GAMS 20 24/07/2017 180 117
OPTIMIZACION AVANZADA UTILIZANDO GAMS 20 14/08/2017 180 117
OPTIMIZACION BASICA UTILIZANDO IBM CPLEX Optimization Studio 20 Agosto 200 130
OPTIMIZACION AVANZADA IBM CPLEX Optimization Studio 20 Agosto 200 130
OPTIMIZACION DE LA CADENA DE PRODUCCION 50 31/07/2017 425 276
MARKETING Y PROGRAMACION MATEMATICA 40 24/07/2017 360 234
TEORÍA DE JUEGOS, ECONOMÍA Y OPTIMIZACIÓN 40 Agosto 360 234
OPTIMIZACION APLICADA A SISTEMAS Y MERCADOS DE ELECTRICIDAD 40 Inmediatamente SI 320 208
MODELAMIENTO MATEMATICO DE REDES INTELIGENTES 30 Inmediatamente SI 255 166OPTIMIZACION DE PROCESOS QUÍMICOS-MINEROS-METALÚRGICOS 40 Agosto 360 234
DIPLOMADOS BÁSICOS
DIPLOMADOS SEGUNDO SEMESTRE 2017
DIPLOMADOS SEGUNDO SEMESTRE 2017
DIPLOMADO AVANZADO
ANALYTICS – FORECASTING METHODOLOGIES
Fecha Inicio: Disponible en VideosSesiones: 10 sesiones de dos horas c/u Horario: Ver Programa Completo
Costo Profesional: USD 180Costo Estudiantes: USD 117
Mayor información:[email protected]
Fundamentos de Probabilidad y Estadística
Metodologías de Estimación de Parámetros
Forecast – Métodos Clásicos y Bayesianos
Forecast – Estimación de Estado
Forecast – Inteligencia Artificial
Machine Learning: Clasificación – Agrupación
Data Mining - Big Data
Generación Sintética de Escenarios Aleatorios
Diseño de Experimentos
Forecast – Métodos Híbridos
Ejemplos:
Demanda de Productos
Demanda de Electricidad
Variables Hidro-Climáticas
Reconciliación de Cuentas
Clasificación de Clientes
Agrupación de Observaciones
MODELO PROCESO ESTOCÁSTICO
DATOS HISTORICOS
SIMULACIÓN MONTECARLO ESCENARIOS
MODELO PROBABILISTICO DINÁMICO DEMANDA –
PRECIOS TIEMPOS DE ENTREGA
OPTIMIZACIÓN
PRESUPUESTOESTRUCTURA RED
CRITERIOS OPTIMIZACIÓN:COSTO vs. SERVICIO CLIENTE
ESCENARIOS ALEATORIOS DEMANDA –PRECIOS TIEMPOS DE ENTREGA
POLÍTICA ÓPTIMA INVENTARIOS
-
50,000
100,000
150,000
200,000
250,000
300,000
350,000
400,000
450,000
ene feb mar abr may jun jul ago sep oct nov dic
DISTRIBUCIÓN DE LA DEMANDA
0
50,000
100,000
150,000
200,000
250,000
300,000
350,000
400,000
450,000
Un
idad
es d
e d
eman
da
ESCENARIOS DEL ENTORNO ALEATORIO
DIPLOMADO BÁSICO:
MODELAMIENTO DE LA DEMANDA
La caracterización de la demanda esta orientada asoportar el estudio del comportamiento de la demandaen función del tiempo, la estacionalidad, los sistemas depromociones, los precios y/o todos los factores quepueden impactar el modo de consumo de los clientesfinales. Con la finalidad de producir:▪ Proyecciones de demanda en el corto/mediano plazo y
de alimentar los modelos de optimización estocásticade planificación de la cadena de oferta (supply chain).
▪ Curvas de demanda utilizadas en los procesos deoptimización de listas de precios, sistemas depromociones, pedido sugerido, …
Para ello se requieren modelos de programaciónmatemática que permitan calcular las elasticidades de lademanda con respecto a los diferentes tipos de efectos,de forma tal de utilizar dicha información en los procesosde gestión de la demanda comanda para estimación deparámetros.
Existen múltiples metodologías matemáticas paraenfrentar el problema:▪ Modelos Estadísticos Convencionales: Mínimos
cuadrados, ARIMAX, GARCH, … ▪ Modelos Estadísticos Dinámicos Bayesianos ▪ Estimación de Estado (Filtro de Kalman y sus
variaciones)▪ Inteligencia Artificial (Redes Neuronales y Lógica
Difusa)▪ Metodologías Hibridas, resultado de la mezcla de dos o
más de las metodologías mencionadas.
SEPARACIÓN DE EFECTOS/IMPACTOS
Para construir un modelo matemático descriptivo del MS deuna marca o de un fabricante existen varios enfoques,consideremos los dos principales que están basados enrelacionar el market-share (MS) con:▪ Esfuerzos de Marketing del Fabricante▪ Atracción/Preferencia del Consumidor
Los dos enfoques que están íntimamente relacionados, ya quelos esfuerzos de marketing del fabricante buscan captar laatracción del consumidor.
La teoría se plantea en términos del market-share de losfabricantes, siendo similar para el caso de las marcas y de losproductos específicos. Los modelos matemáticos buscanestablecer una relación causal entre el MS y las componentesdel “marketing mix” del fabricante.
Para obtener estimadores coherentes de los modelos de cadaproducto/empresa se requiere de un modelo de ecuacionessimultaneas que deben incluir la restricción de la suma de losMSs debe ser igual a uno.
MODELAMIENTO DEL MARKET SHARE (MS)
PREDICCIÓN DE CAUDALES UTILIZANDO REDES NEURONALESRAMBLA DEL POYO
▪ Precipitación media en Rambla del Poyo (interpolada espacialmente entre los pluviómetros más cercanos, factor de ponderación inverso a la distancia, P CUENC62)
▪ Caudales en la Rambla del Poyo (Q 8.0O04)
Escala de tiempo :media hora
Support Vector Machine tiene como objetivo encontrar un hiper-plano quepueda dividir el espacio dimensional en dos partes, de forma tal de agrupartodos los objetos de un mismo tipo en un mismo semi-espacio; en ese caso elproblema de clasificación se denomina como cuasi-separable.
En este caso se propone resolver un problema que tenga incluya un error deajuste (“holgura”) y el problema matemático a resolver se formula como:
Min ½ Sd wd2 + C Si |i|
s. a.
D(xi) = Sd wd xi,d + b + i ≥ 1 si yi = +1
D(xi) = Sd wd xi,d + b - i ≤ -1 si yi = -1
El anterior problema corresponde a un problema de programación cuadrática,donde C es una constante, suficientemente grande que permite controlar enqué grado influye el término de penalización de los objetos no-separables en laminimización de la norma. El hiperplano así definido se denomina vector desoporte de separación de margen blando.
SUPPORT VECTOR MACHINEBASIC THEORY
DIPLOMADO TEMÁTICO
ANALYTICS – FORECASTING METHODOLOGIES
SESIÓN
PRO
FESORTEMA FECHA
HORARIO
UTC 05:00
1 Fundamentos de Probabilidad Y Estadística
2 Metodologías de Estimación de Parámetros
3 Forecast – Métodos Clásicos y Bayesianos Video
4 Forecast – Estimación de Estado Video
5 Forecast – Inteligencia Artificial Video
6 Machine Learning: Clasificación – Agrupación
7 Data Mining Video
8 Big Data Video
9 Diseño de Experimentos
10 Forecast – Métodos Híbridos
Inteligencia de Mercados:
Efectos de Eventos y Analítica Aplicada a Bases de Datos SindicadasVideo
PLAN DE TEMAS
INVERSIÓN EN TRANSFERENCIA DE TECNOLOGÍA
(1) En general los diplomados se dictan siempre los mismos días de la semana; pero pueden existir casos en los que esta regla no se puede cumplir, para el calendario detallado
se sugiere descargar el documento PDF asociado.
(2) Para estudiantes menores de 33 años se ofrece un descuento del 35% del valor del costo del profesional
(3) El costo no incluye impuestos al valor agregado, en el formato de inscripción se presentan las alternativas disponibles
(4) A partir de cinco (5) participantes, para contratación masiva de cursos por parte de empresas y/o de universidades, favor dirigirse a [email protected] o al
responsable del territorio/sector.
(5) Para contratación de cursos virtuales “in company”, personalizados de acuerdo con el interés del cliente, favor dirigirse a [email protected] o al responsable del
territorio/sector.
(6) En todos los diplomados se entrega diploma de asistencia respaldado por DecisionWare
(7) Todas las clases son dictadas por profesionales especializados en el modelamiento matemático y con nivel académico Maestría o Doctorado.
(8) DW esta coordinando la programación de diplomados adicionales.
(9) Cualquier información adicional, favor dirigirse a [email protected] o al responsable del territorio/sector.
(10) Por pago de contado se ofrece un 10% de descuento
USD
Descripcion Horas Fecha Inicio Videos Costo 30 dias Costo Profesional Costo Estudiante
ANALYTICS - METODOLOGÍAS DE “FORECAST” DE VARIABLES 20 Inmediatamente SI 200 180 117
DIPLOMADOS BÁSICOS
DIPLOMADOS SEGUNDO SEMESTRE 2017
PROGRAMA DE ALIANZAS ACADEMICAS
DW-DOA has establecido un programa de alianzas orientadas a estudiantes, y profesionales, universidades, asociaciones gremiales y
empresas, con la finalidad de facilitar la transferencia de las metodologías y de las tecnologías relacionadas con la Programación
Matemática.
LE INVITAMOS A CONOCERLAS.
PROGRAMA DE REFERIDOS
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
Argentina: [email protected]
Bolivia: [email protected]
Centro América: [email protected]
Colombia [email protected]
Chile: [email protected]
España: [email protected]
México: [email protected]
Perú: [email protected]
Resto Países: [email protected]
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYSTTHE BEST JOB IN INDUSTRIAL COUNTRIES
CONTACTOS
Para mayor información favor dirigirse a [email protected] o a:
ACERCA DE:
DO ANALYTICS LLC es una compañía, spin-off de DECISIONWARE International Corp.,
dedicada a la producción y al mercadeo de la tecnología de optimización
OPTEX MATHEMATICAL MODELING SYSTEM
DECISIONWARE International Corp. es una empresa dedicada a la producción de
modelos matemáticos de optimización en diferentes sectores, utilizando múltiples
tecnologías de optimización y las metodologías de optimización más avanzadas.
EXPERIENCIA PRODUCTOS Y SERVICIOS
PROGRAMA DE EDUCACION CONTINUADA
MATHEMATICAL PROGRAMING ANALYST(THE BEST JOB IN INDUSTRIAL COUNTRIES)
"the computer-based mathematical modeling is the greatest invention of all times"
Herbert SimonAlfred Nobel Memorial Prize in Economic Sciences (1978)
"for his pioneering research into the decision-making process within economic organizations
Herbert Alexander Simon (June 15, 1916 – February 9, 2001) was an American political scientist, economist, sociologist, psychologist,
and computer scientist whose research ranged across the fields of cognitive psychology, cognitive science, computer science, public
administration, economics, management, philosophy of science, sociology, and political science, unified by studies of decision-
making. With almost a thousand highly cited publications, he was one of the most influential social scientists of the twentieth
century. For many years he held the post of Richard King Mellon Professor at Carnegie Mellon University.
Simon was among the pioneers of several of today's important scientific domains, including artificial intelligence,
information processing, decision-making, problem-solving, organization theory, complex systems, and
computer simulation of scientific discovery.