Für Fra­ge­stel­lun­gen aus den Berei­chen Opti­mie­rung und Machi­ne Lear­ning stel­len wir Bera­tungs­leis­tun­gen, Soft­ware, und Lehr­gän­ge zu Ver­fü­gung. Unser Ziel besteht dar­in, moder­ne mathe­ma­ti­sche Metho­den prak­tisch nutz­bar zu machen und einen ech­ten Mehr­wert für Echt­welt­an­wen­dun­gen zu gene­rie­ren. Der Aus­tausch zwi­schen For­schung und Anwen­dung ist uns wichtig. 

Die Soft­ware und Bera­tungs­leis­tun­gen sind pri­mär für klei­ne und mit­tel­stän­di­sche Unter­neh­men gedacht. Vor allem wenn deren Pro­ble­me mathe­ma­tisch for­mu­lier­ba­re Fra­ge­stel­lun­gen beinhal­tet, die sich mit opti­ma­len Ent­schei­dun­gen unter Unsi­cher­heit aus­ein­an­der­set­zen. Wir glau­ben, in die­sem Umfeld beson­de­re Mög­lich­kei­ten für Ein­spa­run­gen, Effi­zi­enz­ge­win­ne oder gar ganz neue Lösun­gen erwir­ken zu können.

Wir freu­en uns über Ihre Kon­takt­auf­nah­me. Scheu­en Sie sich nicht, auch mit unaus­ge­ar­bei­te­ten Pro­blem­for­mu­lie­run­gen oder Fra­gen an uns her­an­zu­tre­ten. Gemein­sam wer­den wir die Details schon klä­ren kön­nen! Schrei­ben Sie uns ein­fach eine Email oder rufen Sie uns an. Die Details fin­den Sie hier: Kon­takt­de­tails .

Super! Gera­de betref­fend Funk­tio­na­li­tä­ten unse­rer Soft­ware und indus­tri­el­le Anwen­dun­gen freu­en wir uns immer über Wei­ter­ent­wick­lug­nsmög­lich­kei­ten. Auch bei Fra­gen zu Funk­ti­ons­wei­se, Leis­tungs­fä­hig­keit, und Anwen­dungs­mög­lich­kei­ten von Opti­mie­rung und Machi­ne Lear­ning hel­fen wir ger­ne wei­ter. Am bes­ten hin­ter­las­sen Sie uns eine E‑mail und wir machen einen Ter­min ab, um Ihr Anlie­gen im Detail zu besprechen.

Hard­ware ist nicht unse­re Exper­ti­se und wir fokus­sie­ren uns aus­schliesl­sich auf Soft­ware. Wahr­schien­lich nicht wei­ter­hel­fen kön­nen wir Ihnen zudem, wenn Sie Ihr Pro­blem bereits mit Sta­te-of-the-Art Sol­vern model­liert haben und dabei fest­stel­len muss­ten, dass zur erfolg­rei­chen Bewäl­ti­gung neue wis­sen­schaft­li­che Ent­wick­lun­gen not­wen­dig sind.

Die Lehr­gän­ge haben zwei essen­ti­ell ver­schie­de­ne Ziel­grup­pen. Zum einen bie­ten wir Kur­se an, die einen Über­blick über Opti­mie­rung und Machi­ne Lear­ning lie­fern und sich beson­ders für all­ge­mein Inter­es­sier­te und Ent­schei­dungs­trä­ger eig­nen. Ande­re Kur­se wie­der­um gehen stark ins Detail und sol­len es erlau­ben, sta­te-of-the-art mathe­ma­ti­sche Metho­den für Pra­xis­pro­ble­me nutz­bar zu machen. Sie rich­ten sich an Experten.

Aus­ser Ihren eige­nen Notiz­un­ter­la­gen benö­ti­gen kein Mate­ri­al. Slides und IT Infra­struk­tur wer­den von uns orga­ni­siert. Die fürs Pro­gram­mie­ren und Expe­ri­men­tie­ren ver­wen­de­ten Lap­tops wer­den von uns bereit­ge­stellt. Alle nöti­gen Pro­gram­me sind bereits vorinstalliert. 

Zur Zeit ist dies noch nicht mög­lich. Die Lehr­gän­ge befin­den sich gera­de in der Gestal­tungs­pha­se und wir erwar­ten, dass die ers­ten Kur­se im Herbst 2022 statt­fin­den. Ab dann ist eine Online­ein­schrei­bung mög­lich. Das Kurs­an­ge­bot wird dann in der Fol­ge gra­du­ell erwei­tert, bis alle hier gelis­te­ten The­men abge­deckt werden.

Wir gehen davon aus, dass die ers­te grund­sätz­lich funk­ti­ons­fä­hi­ge beta-Ver­si­on 0.7 im Win­ter 2022 / Früh­jar 2023 ein­setz­bar ist. Sie wird über eine gra­fi­sche Benut­zer­ober­flä­che zur For­mu­lie­rung, Ana­ly­se und Dar­stel­lung von Opti­mie­rungs­pro­b­ele­men ver­fü­gen und eig­net sich zum pri­va­ten Einsatz.

Die suite löst Pro­ble­me aus den Berei­chen opti­mal design, opti­mal esti­ma­ti­on, und opti­mal con­trol. Dar­un­ter fal­len unter ande­rem die Ablauf­pla­nung, Trans­port­pro­ble­me, Topo­lo­gie­op­ti­mie­rung, Para­me­ter­op­ti­mie­rung und Para­me­ter­schät­zung, Quan­ti­fi­ka­ti­on und Beschrän­kung von Unsi­cher­hei­ten, Schät­zung von Funk­tio­na­len Zusam­men­hän­gen und Kor­re­la­ti­ons­struk­tu­ren, sowie die Steue­rung von Sys­te­men in deter­mi­nis­ti­schen, sto­chas­ti­schen oder kom­plett unbe­kann­ten Situa­tio­nen. Eini­ge Bei­spie­le sind auf der home­page zu finden.

Die Suite wird kon­ti­nu­ier­lich wei­ter­ent­wi­ckelt. Neben der gra­fi­schen Benut­zer­ober­flä­che sol­len vor allem auch Funk­tio­na­li­tä­ten imple­men­tiert wer­den, die ihren pro­fes­sio­nel­len Ein­satz in indus­tri­el­len Anwen­dun­gen und für die For­schung ermög­licht. Dies bedeu­tet die Imple­men­ta­ti­on wei­te­rer Pro­blem­klas­sen und die Bereit­stel­lung von Sol­vern vor allem auch für gemischt-ganz­zah­li­ge Pro­ble­me und dyna­mi­sche Pro­gram­mie­rung. Unter ande­rem sind auch bes­se­re Schnitt­stel­len zu Daten­im­port und ‑export erforderlich.

Unser Pro­gramm­pa­ket ist als Repo­si­to­ri­um auf git­hub hin­ter­legt. Dort kann es geklont wer­den. Es steht dann in ihrer Pro­gram­mier­um­ge­bung zur Ver­fü­gung als aus­führ­ba­rer Python Code. Wir erstel­len im Rah­men unse­rer Serie von Tuto­ri­al Vide­os auf You­tube auch ein pro­gram­mier­tech­ni­sches Tuto­ri­al. Die­ses zeigt Ihnen die typi­sche Vor­ge­hens­wei­se zur Instal­la­ti­on von Python, und allen zur Opti­mie­rung nöti­gen Sup­port­pro­gram­men inklu­si­ve der unseren.

Auf unse­rer Sei­te fin­det sich ein ste­tig erwei­ter­ter Kata­log mit Anwen­dun­gen. Dort sind Quel­len­an­ga­ben hin­ter­legt — sie bie­ten einen guten Ein­stieg. Sehr zu emp­feh­len sind die weit ver­brei­te­ten Stan­dard­wer­ke betref­fend kon­ve­xe Opti­mie­rung [Boyd] und Machi­ne lear­ning [Has­tie]. Bei­de Bücher sind auf den home­pages der Autoren gra­tis und legal als pdf downloadbar.

[Boyd] Boyd, S., & Van­den­berg­he, L. (2004). Con­vex Optimi­zation. Cam­bridge: Cam­bridge Uni­ver­si­ty Press.

[Has­tie] Has­tie, T., Tibs­hira­ni, R., & Fried­man, J. (2013).  The Ele­ments of Sta­tis­ti­cal Lear­ning: Data Mining, Infe­rence, and Pre­dic­tion. Ber­lin Hei­del­berg: Sprin­ger Sci­ence & Busi­ness Media.