Course Summary
This course focuses on the principles and applications of evolutionary computation in solving complex problems in various fields of engineering and science.Key Learning Points
- Learn the basics of genetic algorithms, genetic programming, and other evolutionary computation techniques
- Apply evolutionary computation to solve real-world problems in engineering and science
- Understand the advantages and limitations of evolutionary computation compared to other optimization techniques
Related Topics for further study
- Genetic Algorithms
- Evolutionary Programming
- Optimization Techniques
- Data Science
- Artificial Intelligence
Learning Outcomes
- Apply evolutionary computation techniques to solve complex engineering and scientific problems
- Understand the principles and limitations of evolutionary computation compared to other optimization techniques
- Implement genetic algorithms and other evolutionary computation techniques in Python
Prerequisites or good to have knowledge before taking this course
- Basic knowledge of calculus and linear algebra
- Basic programming skills in Python
Course Difficulty Level
IntermediateCourse Format
- Online
- Self-paced
- Video lectures
- Programming assignments
Similar Courses
- Applied Machine Learning
- Optimization Algorithms
- Data Science Fundamentals
Related Education Paths
Related Books
Description
La computación evolutiva (evolutionary computation, EC), aplica la teoría de la evolución natural y la genética en la adaptación evolutiva de estructuras computacionales, proporcionando un medio alternativo para atacar problemas complejos en diversas áreas, como la ingeniería, economía, química, medicina y, porque no, las artes. Una población de posibles soluciones de un problema dado es análoga a una población de organismos vivos que evolucionan cada generación, al recombinar los mejores individuos de la población y transmitir sus características de dichos individuos padres, a sus descendientes. En este campo, diferentes esquemas de métodos evolutivos se han desarrollado, los cuales difieren en el tipo de estructuras que conforman la población.
Outline
- Introducción a la computación evolutiva
- Introducción a la computación evolutiva
- Introducción a los algoritmos genéticos
- Si no estás inscrito a este curso como usuario de Coursera para la UNAM, por favor revisa esta información:
- Bienvenida al curso
- Conceptos de algoritmos genéticos
- Principios de operación de un algoritmo genético
- Algoritmo genético simple
- Operadores genéticos
- Teorema del esquema
- Selección de parámetros de los operadores genéticos
- A Mathematical Analysis of Tournament Selection
- Genetic Algorithms for the Travelling Salesman Problem: A Review of Representations and Operators
- Predictive Models for the Breeder Genetic Algorithm I. Continuous Parameter Optimization
- Estudio del Teorema del Esquema
- Implementación de un algoritmo genético básico
- Implementación de un algoritmo genético básico
- Paso a paso de un algoritmo genético básico
- Implementación práctico de un algoritmo genético básico
- Problemas combinatorios: El problema del agente viajero como caso de estudio.
- Ruta óptima del TSP
- Ruta óptima del TSP (parte 2)
- Aplicaciones de algoritmos genéticos y otras técnicas evolutivas
- Aplicaciones de algoritmos genéticos
- Otras técnicas evolutivas y bioinspiradas
- Cierre del curso
Summary of User Reviews
This course on computational evolution has received high praise from users. Learners have found the course to be informative, engaging, and well-organized. One key aspect that many users thought was good is the practical application of the concepts taught in the course.Pros from User Reviews
- Informative content
- Engaging delivery
- Well-organized course structure
- Practical application of concepts taught
- Great instructor
Cons from User Reviews
- Some technical issues with course platform
- Course material can be challenging for beginners
- Lack of interactivity in course content
- Limited discussion forums
- No certificate of completion for free learners
Katya Rodríguez Vázquez
3.9 Raiting
Cómputo evolutivo
- 3.9
-
![]()
![]()
![]()
![]()
![]()
En este campo, diferentes esquemas de métodos evolutivos se han desarrollado, los cuales difieren en el tipo de estructuras que conforman la población....
