슬롯 사이트에서 열린 2024 INFORMS 연례 회의의 GAMS: 요약

슬롯 사이트는 올해 INFORMS 연례 회의에 참여하여 통찰력을 공유하고 최적화 커뮤니티와 소통하게 된 것을 기쁘게 생각합니다.

우리는 수많은 열정적인 전문가와 학생들을 만나 슬롯 사이트 기술이 어떻게 복잡한 모델링 작업을 단순화하고 프로젝트 작업 흐름을 향상시킬 수 있는지에 대한 아이디어를 교환하면서 환상적인 시간을 보냈습니다. 우리 부스에 들러 농구대를 치고 대화에 영감을 준 모든 분들께 큰 박수를 보내드립니다!

이 행사를 기억에 남을 만한 행사로 만들어 주셔서 감사합니다. 더 많은 흥미로운 협력을 기대합니다!

올해 슬롯 사이트는 지식 공유, 네트워킹 및 약간의 우호적인 경쟁을 위한 많은 기회를 제공하는 기술 쇼케이스, 매력적인 워크샵 및 대화형 부스 경험에 참여하게 되어 기뻤습니다!

INFORMS 2024에서의 시간은 사용자와 상호 작용하고, 최신 슬롯 사이트 기술을 소개하고, 활발한 최적화 커뮤니티에 참여할 수 있는 귀중한 시간이었습니다. GAMSPy 및 데이터 통합의 발전을 공유하게 되어 기쁘게 생각하며 참석자들이 이러한 기능을 프로젝트에 어떻게 적용할지 기대하고 있습니다.

슬롯 사이트에서 우리를 놓치셨다면 계속해서 더 많은 업데이트를 기대해주세요. GAMS가 귀하의 최적화 여정을 지원할 수 있는 방법에 대해 계속해서 자세히 알아볼 것입니다!

최신 정보를 얻으려면 일반 정보 뉴스레터에 가입하세요!

슬롯 사이트 우리의 초록

슬롯 사이트 전시자 워크숍:

최적화 간소화를 위한 GAMSPy 및 데이터 API

작성: Atharv Bhosekar 및 Adam Christensen

슬롯 사이트(일반 대수 모델링 시스템)는 사용자에게 직관적인 대수 구문을 사용하여 최적화 모델을 작성할 수 있는 방법을 제공하는 대수 모델링 언어입니다. 그러나 최적화가 더 큰 의사 결정 파이프라인 내에서 통합된 단계가 되면서 모델러는 두 가지 중요한 과제에 직면하게 됩니다. (1) 최적화 목적으로만 선호하는 프로그래밍 언어(예: Python)에서 전환해야 하는 불편함, (2) 다양한 소프트웨어 생태계 내에서 슬롯 사이트와 기타 도구 및 플랫폼 간에 데이터를 효율적으로 전송하는 어려움.

이 프리젠테이션에서 우리는 최신 솔루션을 사용하여 이러한 과제를 해결할 것입니다. 먼저 Python에 대수 모델링 기능을 제공하는 새로운 제품인 GAMSPy를 소개하겠습니다. GAMSPy를 사용하면 사용자는 성능 저하 없이 직관적인 대수 구문을 즐길 수 있습니다. 또한 슬롯 사이트와의 데이터 교환을 간소화하기 위한 데이터 API 제품군을 강조할 것입니다. 특히 R, MATLAB 및 Python 사용자가 슬롯 사이트 데이터를 효율적으로 읽고, 수정하고, 분석하고, 작성할 수 있도록 지원하는 데이터 API인 슬롯 사이트 Transfer에 중점을 둘 것입니다. 이러한 도구는 다중 플랫폼 의사결정 파이프라인 내에서 슬롯 사이트의 상호 운용성을 크게 향상시켜 보다 원활하고 효율적인 최적화 워크플로를 촉진합니다.

슬롯 사이트 기술 쇼케이스:

최적화 파이프라인 설계: GAMSPy를 사용한 데이터 선별부터 대수 모델링까지

작성: Atharv Bhosekar 및 Adam Christensen

대수 모델링 언어(AML)는 최적화 및 경제 분야의 초석이었습니다. 이러한 도구는 대수학과 컴퓨터 과학의 세계를 손쉽게 연결할 수 있기 때문에 널리 사용됩니다. 즉, AML의 구문은 손으로 쓴 대수학의 구문과 매우 유사하지만 실행이 자동화되고 확장 가능합니다. AML은 설계상 범용 프로그래밍 언어가 아닙니다. 결과적으로 모델링 환경을 위한 데이터를 수집, 정리 및 준비하는 것이 어려울 수 있습니다. 최근 몇 년 동안 정교한 데이터 과학 도구가 주류로 등장했습니다. Python 및 R과 같은 언어는 Numpy/Pandas 및 Shiny/Tidyverse/Dplyr을 활용하여 배포 가능한 환경에서 대용량 데이터를 효율적으로 작업할 수 있습니다. Docker 및 Kubernetes와 같은 최신 인프라 도구를 사용하면 클라우드 플랫폼을 통해 워크플로를 격리하고 컴퓨팅 리소스를 확장할 수 있습니다. 이러한 모든 컴퓨팅 리소스는 데이터 자산이 점점 더 다양한 시작점에서 최적화 모델 인스턴스에 도착한다는 것을 의미합니다. 이 워크숍에서는 Python의 유연한 특성과 최신 데이터 과학 도구를 활용하여 강력한 Python-AML을 구성하는 GAMSPy라는 Python 패키지를 제시합니다. 이 프레젠테이션에서는 데이터를 환경으로 가져오고 최적화 모델에서 사용하기 위해 효과적으로 정리하는 방법을 보여주는 실제 사례에서 영감을 받은 여러 가지 사례를 다룰 것입니다.

자세한 내용은 프레젠테이션 슬라이드를 확인하세요: