Artwork

Treść dostarczona przez Jon Krohn. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Jon Krohn lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.
Player FM - aplikacja do podcastów
Przejdź do trybu offline z Player FM !

813: Solving Business Problems Optimally with Data, with Jerry Yurchisin

1:43:30
 
Udostępnij
 

Manage episode 436477223 series 1278026
Treść dostarczona przez Jon Krohn. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Jon Krohn lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.

Jerry Yurchisin from Gurobi joins Jon Krohn to break down mathematical optimization, showing why it often outshines machine learning for real-world challenges. Find out how innovations like NVIDIA’s latest CPUs are speeding up solutions to problems like the Traveling Salesman in seconds.

Interested in sponsoring a SuperDataScience Podcast episode? Email natalie@superdatascience.com for sponsorship information.

In this episode you will learn:

• The Burrito Optimization Game and mathematical optimization use cases [03:36]

• Key differences between machine learning and mathematical optimization [05:45]

• How mathematical optimization is ideal for real-world constraints [13:50]

• Gurobi’s APIs and the ease of integrating them [21:33]

• How LLMs like GPT-4 can help with optimization problems [39:39]

• Why integer variables are so complex to model [01:02:37]

• NP-hard problems [01:11:01]

• The history of optimization and its early applications [01:26:23]

Additional materials: www.superdatascience.com/813

  continue reading

1140 odcinków

Artwork
iconUdostępnij
 
Manage episode 436477223 series 1278026
Treść dostarczona przez Jon Krohn. Cała zawartość podcastów, w tym odcinki, grafika i opisy podcastów, jest przesyłana i udostępniana bezpośrednio przez Jon Krohn lub jego partnera na platformie podcastów. Jeśli uważasz, że ktoś wykorzystuje Twoje dzieło chronione prawem autorskim bez Twojej zgody, możesz postępować zgodnie z procedurą opisaną tutaj https://pl.player.fm/legal.

Jerry Yurchisin from Gurobi joins Jon Krohn to break down mathematical optimization, showing why it often outshines machine learning for real-world challenges. Find out how innovations like NVIDIA’s latest CPUs are speeding up solutions to problems like the Traveling Salesman in seconds.

Interested in sponsoring a SuperDataScience Podcast episode? Email natalie@superdatascience.com for sponsorship information.

In this episode you will learn:

• The Burrito Optimization Game and mathematical optimization use cases [03:36]

• Key differences between machine learning and mathematical optimization [05:45]

• How mathematical optimization is ideal for real-world constraints [13:50]

• Gurobi’s APIs and the ease of integrating them [21:33]

• How LLMs like GPT-4 can help with optimization problems [39:39]

• Why integer variables are so complex to model [01:02:37]

• NP-hard problems [01:11:01]

• The history of optimization and its early applications [01:26:23]

Additional materials: www.superdatascience.com/813

  continue reading

1140 odcinków

所有剧集

×
 
Loading …

Zapraszamy w Player FM

Odtwarzacz FM skanuje sieć w poszukiwaniu wysokiej jakości podcastów, abyś mógł się nią cieszyć już teraz. To najlepsza aplikacja do podcastów, działająca na Androidzie, iPhonie i Internecie. Zarejestruj się, aby zsynchronizować subskrypcje na różnych urządzeniach.

 

Skrócona instrukcja obsługi