Pythonではじめる数理最適化（第2版） ケーススタディでモデリングのスキルを身につけよう

▼この本の特徴
　本書は、Pythonを用いた数理最適化の入門書です。Pythonを使ってさまざまな課題を実際に解いてみることで、数理モデルを実務で使いこなす力を身につけます。
　この本の特徴は、数理最適化のアルゴリズム自体ではなく、数理最適化を用いた課題解決に重きを置いている点です。ビジネスなどにおける課題を数理最適化で解く際に現場で発生しうる試行錯誤が多分に盛り込まれており、実務における手順や気をつけるべきポイントを学習することができます。

▼この本の構成
本書は二部構成です。
第Ⅰ部はチュートリアルです。中学校で習う連立一次方程式や高校で習う線形計画法を題材として、数理最適化の基礎的な考え方とPythonによる初歩的な実装を学びます。シンプルな課題設定なので、数学的な難しさを感じることなくPythonに集中して基礎を学習することができます。

第Ⅱ部はケーススタディです。
実際に社会で起こりうる、さまざまな課題を数理最適化によって解いていきます。
学校のクラス編成やサークル活動における学生の乗車グループ分けなどの学生にとっても身近な課題や、キャンペーンの効果最大化や効率のよい配送計画の立案などのビジネスにおいてたびたびぶつかる課題などを解いていくことで、手順や注意点、効率のよい方法などが学べます。

▼第1版からの変更箇所
・5章（車両の配送計画）
問題の理解を助けるために挿絵・最適化結果の可視化を増やし、実装プログラムの解説を充実させました。また、最適化に登場する部品の列挙アルゴリズムについては、計算速度よりも理解しやすさを優先したものに差し替えました。

・6章（数理最適化APIとWebアプリケーションの開発）にFastAPIやStreamlitの記述を追加
PythonのWebアプリケーション開発のフレームワークであるFlaskに加え、人気のFastAPIやデータサイエンティストでも簡単にWebアプリケーションが開発できるStreamlitについて追記しました。

・7章（商品推薦のための興味のスコアリング）行列表現に関する説明の調整
簡単な数理最適化問題の行列表現から解説を行い、段階を踏んで理解できるようにしました。さらに、ソースコードの解説を追記することで、プログラムにおける行列の扱い方を理解しやすくなりました。

▼このような方におすすめ
◎ 数理最適化の実務応用について知りたい方
◎ 施策の効果最大化や効率化に取り組むビジネスマン（エンジニア・マーケター・リサーチャーなど）
◎ 情報・経済・経営系などの学部や学科の学生
◎ データサイエンティストを志す方

▼サポートページ
本書内で使用するサンプルデータ、およびコードは以下から入手できます。
https://github.com/ohmsha/PyOptBook/