Denne praktiske guiden til optimalisering kombinerer matematisk teori med praktiske kodeeksempler for å utforske hvordan Python kan brukes til å modellere problemer og finne de beste mulige løsningene. Med en balansert tilnærming mellom teori og praktiske anvendelser er denne boken en ideell ressurs for studenter på bachelor- og masternivå innen anvendt matematikk, datavitenskap, business, industriell ingeniørkunst og operasjonsforskning, samt praktikere innen relaterte fagområder. Boken starter med en introduksjon til optimaliseringsbegrepet og presenterer de viktigste elementene i et optimaliseringsproblem samt hvilke valg man må ta når man modellerer et virkelighetsproblem matematisk. Emnene som dekkes varierer fra lineær og nettverksoptimalisering til konveks optimalisering og optimalisering under usikkerhet. Kodeeksemplene i Python, sammen med mer enn 50 Jupyter-notatbøker tilgjengelig på forfatterens GitHub, gir studentene muligheten til å omsette teorien til praksis og løse problemer inspirert av reelle utfordringer.
