Data Science & Thuật toán

Một kỹ sư xây dựng giải bài toán bằng phương trình vi phân và hệ số an toàn; một kỹ sư thuật toán giải cùng bài toán đó bằng hàm mục tiêu và ràng buộc. Folder này ghi lại quá trình học lại tư duy tính toán (computational thinking) từ nền tảng kỹ thuật xây dựng: tối ưu hóa tuyến tính, mô phỏng ngẫu nhiên, và ứng dụng của chúng trong quản lý dự án, phân tích rủi ro kết cấu, và tài chính định lượng.

---

Data Science & Thuật toán (Tổng hợp): Chuyên mục tổng hợp 5 bài viết theo ba nhánh: quy hoạch tuyến tính từ cơ sở toán học đến ứng dụng lpsolve, mô phỏng ngẫu nhiên với MCMC và suy luận Bayes cùng 16 quá trình ngẫu nhiên trong định giá tài sản, và tư duy vì sao vẫn nên học coding trong thời đại AI.

• Quy hoạch Tuyến tính: Cơ sở toán học của quy hoạch tuyến tính: dạng chính tắc, lý thuyết đa diện lồi, lý thuyết đối ngẫu (weak/strong duality, complementary slackness) và so sánh ba thuật toán Simplex, Interior Point, Ellipsoid. Nội dung dựa trên các công bố gốc của Dantzig, Karmarkar và Khachiyan, làm nền tảng toán học cho phần ứng dụng lpsolve.
• Giải thuật lpsolve và ứng dụng quy hoạch tuyến tính: Ba bài toán thực tế được mô hình hóa và giải bằng quy hoạch tuyến tính: quản lý sản xuất, vận chuyển và quản lý dự án theo CPM. Triển khai song song bằng Python (SciPy), R (lpSolveAPI), Octave (GLPK) và Julia (JuMP), kèm phân tích độ nhạy với shadow price và reduced cost phục vụ ra quyết định.
• Markov Chain Monte Carlo (MCMC): Tổng quan chuỗi Markov, phương pháp Monte Carlo và suy luận Bayesian, dẫn đến các thuật toán lấy mẫu MCMC như Metropolis-Hastings, Gibbs Sampling và HMC/NUTS. Ứng dụng vào phân tích rủi ro tiến độ dự án (PERT/CPM), độ tin cậy kết cấu chịu tải trọng ngẫu nhiên và tối ưu danh mục đầu tư, kèm mô phỏng minh họa bằng Jupyter Notebook.
• Toán ứng dụng cho tài chính: Tổng hợp nhanh từ thread PyQuant News về 16 quá trình ngẫu nhiên quan trọng nhất trong định giá tài sản: Brownian Motion, Geometric Brownian Motion, Poisson Process, Cauchy Process, Gamma Process và các biến thể. Đây là nền tảng toán học cho mô hình Black-Scholes, định giá quyền chọn và quản trị rủi ro định lượng.
• Vì sao nên học coding: Bài "Đọc Chậm" của TS. Hồ Quốc Tuấn phản biện trào lưu "đừng học code": ngay cả khi AI thay thế nhiều việc lập trình, học coding vẫn rèn luyện tư duy phân tích, phân rã vấn đề, kỹ năng quản lý dự án và làm việc nhóm, tương tự việc vẫn cần học Toán dù đã có máy tính.

---

Liên kết

Ứng dụng phân tích rủi ro vào quản lý dự án: Hồ sơ QLDA

Độ tin cậy kết cấu công trình: Kết cấu bê tông cốt thép

---

Liên hệ Tác giả để được tư vấn và hỗ trợ.