مدل‌های بهینه‌سازی ریاضی (Mathematical Optimization Model) از جمله‌ پرکاربردترین ابزارها برای حل بسیاری از مسائل بهینه‌سازی در تصمیمات مهندسی و مدیریت است. به عبارت دیگر، هر مسئله مدیریتی و مهندسی که در آن، هدف یافتن تصمیم/برنامه بهینه باشد، اصطلاحا یک مسئله بهینه‌سازی تصمیم (Decision Optimization Problem) است که می‌توان از رویکردهای مختلف به آن پرداخت؛ یکی از این رویکردهای سیستماتیک که تضمین بهینگی و دقت بیشتری دارد، تحقیق در عملیات (Operations Research) و تکنیک‌‌های موجود در آن از جمله برنامه‌ریزی ریاضی (Mathematical Programming) یا بهینه‌سازی ریاضی (Mathematical Optimization) است که در آن، ابتدا جزئیات مسئله از منظر تابع هدف، قیود، اطلاعات و ... را مشخص شده و سپس به صورت برنامه/مدل ریاضی (Mathematical Model) فرموله می‌شود که نهایتا این مدل توسط سالورهای مختلف از جمله CPLEX و Gurobi قابل حل است.
در این دوره، به مرحله بعد از فرمولاسیون/مدل‌سازی ریاضی پرداخته می‌شود که پیاده‌سازی مدل به زبان مدل‌سازی ریاضی (Optimization Modeling Language) و حل آن توسط سالورهای مدل‌های بهینه‌سازی است. برای این منظور آلترناتیو‌های مختلفی وجود دارد که

از جمله آنها می‌توان به نرم‌افزارهای تخصصی بهینه‌سازی از جمله Gurobi، CPLEX، GAMS و AMPL اشاره کرد. با وجود نرم‌افزارهای مذکور، بعضا به دلایل مختلف از جمله I) توسعه روش حل کاراتر، II) قابلیت زبان‌های برنامه‌نویسی عمومی، III) دسترسی به پکیج‌های رایگان و open-source بهینه‌سازی، IV) امکان مشارکت در پروژه، و نهایتا V) یکپارچه‌سازی پیش‌پردازش‌ها تحلیل داده/پارامترها و پس‌پردازش‌های تحلیل خروجی، بسیاری از پژوهشگران ترجیح می‌دهند برای پیاده‌سازی و حل مدل بهینه‌سازی خود از یک زبان برنامه‌نویسی (معمولا Python) برای پلتفرم اصلی برنامه‌نویسی در کنار یک سالور بهینه‌سازی (مثل سیپلکس (CPLEX) و گروبی (Gurobi)) استفاده کنند.
با توجه به آنکه بسیاری از دانشجویان، پژوهشگران، متخصصین مدل‌سازی و بهینه‌سازی (Optimization Specialist) و تحلیل‌گران تحقیق در عملیات در مسائل صنعتی (Operations Research Analyst) تمایل دارند که مدل‌های بهینه‌سازی خود را در یک IDE مناسب به زبان پایتون و توسط سالورهای حل‌کننده دقیق و سریع از جمله سیپلکس و گروبی حل کنند، آپتیم‌یار در این دوره تلاش می‌کند که یکی از بهترین محتواهای آموزشی برای بهینه‌سازی در پایتون، با استفاده از پکیج‌های بهینه‌سازی از جمله سیپلکس و گروبی را ارائه دهد.
برای دو سالور حرفه‌ای حال حاضر CPLEX و Gurobi، پکیج‌های آنها برای استفاده در پایتون به ترتیب با عناوین DOCPLEX (برای سیپلکس) و GurobiPy (برای گروبی) ارائه شده است که پس از نصب و وارد کردن (Import) آنها در پایتون، می‌توان به سادگی از قابلیت‌های این دو نرم‌افزار بهینه‌سازی بهره‌مند شد. آپتیم‌یار، با ارائه این دوره تحت عنوان "بهینه‌سازی در پایتون (Python) با استفاده از پکیج‌های سیپلکس DOCPLEX و گروبی GurobiPy" با مدل‌سازی و کدنویسی مسائل مختلف، به طور کامل و جامع به آموزش این مهارت می‌پردازد چراکه مورد توجه بسیاری از دانشگاه‌ها و دپارتمان‌های مهندسی، مدیریت و کسب‌وکار قرار گرفته است.
لازم به توضیح است که به جز آشنایی با مفاهیم پایه بهینه‌سازی، این دوره هیچ پیش‌نیاز خاصی ندارد و از ابتدا تا انتها (از مرحله نصب اولیه تا تحلیل خروجی) همگی آموزش داده می‌شود و با کدنویسی چندین مسئله مهم و مدل‌های کاربردی بهینه‌سازی، تسلط بسیار مناسبی برای فراگیران فراهم می‌شود. با این وجود، برای علاقه‌مندان به مباحث تئوری بهینه‌سازی، تحقیق در عملیات و مدل‌سازی ریاضی، دوره "اصول و مقدمات علم بهینه‌سازی، مدل‌سازی ریاضی و تحقیق در عملیات کاربردی" پیشنهاد می‌شود که یکی از جامع‌ترین دوره‌ها برای علاقه‌مندانی است که قصد دارند به طور اصولی و از پایه به یادگیری بهینه‌سازی و تحقیق در عملیات کاربردی بپردازند.

+