Este es el repositorio para los cursos de optimización y optimización avanzada impartida en la maestría de ciencia de datos del ITAM por el Prof. Erick Palacios Moreno, github: palmoreck.
Dar click en temario-opt para el temario de optimización.
Dar click en temario-opt-2 para el temario de optimización avanzada.
Dar click en opt para ejemplo de un paquete de Python.
Se ha creado el siguiente libro* con el contenido de los temas en libro de optimización para su consulta. Este libro seguiremos a lo largo de los cursos.
*El libro fue creado con jupyter book.
Dar click en pres-opt para una presentación de introducción al curso de optimización del segundo semestre del 2020.
Dar click en pres-opt-2 para una presentación de introducción al curso de optimización avanzada del primer semestre del 2021.
Dar click en el siguiente botón para unirse* al chat del curso de optimización avanzada del primer semestre 2021 en gitter: 
*Se puede hacer el registro con su cuenta de github.
En el curso de optimización avanzada utilizaremos la imagen de docker palmoreck/jupyterlab_optimizacion_2:3.0.0 cuya documentación la encuentran en aquí*.
* Tal imagen de docker se descarga con un docker pull palmoreck/jupyterlab_optimizacion:3.0.0 desde la terminal una vez hayan instalado docker en sus computadoras y posteriormente hacer un docker run de acuerdo a la documentación de la imagen. Ver herramientas/docker/ para referencias de docker.
La organización optimizacion-2-2021-1-gh-classroom fue creada para alojar sus repositorios de github classroom en los que entregarán sus prácticas del primer semestre del 2021. Ver github education como una referencia.
En este repositorio se han creado diferentes ramas que pueden ser accesadas como se aprecia en esta imagen:
Seleccionar por ejemplo la rama mno-2019-1 (u otra) para información del curso de MNO de 2019.
Dar click en optimizacion-2-2021-1 para la rama del curso del primer semestre del 2021.
La rama gh-pages contiene los htmls para visualización del libro de optimización.
En el Wiki encuentran información sobre Amazon Web Services.
En el directorio libro_optimizacion/temas/ están las notas escritas.
Las notas de cada tema están escritas en Jupyter notebooks. Ver I python, You R, We Julia para algunas características de tales notebooks. Ver notebook para funcionalidad de los notebooks. Ver Jupyter kernels para una tabla de los jupyter-kernels disponibles en jupyter (que hacen posible ejecutar instrucciones en el lenguaje R, por ejemplo).
Para ejecutar las notas de forma interactiva dar click en el botón de binder 
y elegir una ejecución interactiva de los notebooks vía binder o thebe. La ejecución con thebe se puede hacer directamente en la liga del libro o si se descargan los archivos a su máquina local también es posible la ejecución (pero requieren conexión a internet en cualquier opción).
*En la liga jupyterhub/binderhub encuentran más información sobre binder.
Usar botón de binder
Abrir una nueva terminal y hacer:
bash
cd analisis-numerico-computo-cientifico/libro_optimizacion/temas/
jb build . --builder pdfhtml
El pdf estará dentro del directorio analisis-numerico-computo-cientifico/libro_optimizacion/temas/_build/pdf. Y se puede descargar:
Si se desea tener una copia local de los archivos html del libro de optimización
Ir a la rama gh-pages y descargar en zip o hacer un git clone --single-branch -b gh-pages https://github.com/ITAM-DS/analisis-numerico-computo-cientifico.git como se aprecia en la siguiente imagen:
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent