Mata kuliah Teknik Optimasi memperkenalkan konsep dasar dan metode optimasi untuk menyelesaikan masalah dalam domain sains data. Isi mata kuliah mencakup formulasi masalah optimasi, teknik optimasi linier (seperti Metode Simpleks, Dualitas, dan Analisis Sensitivitas) dan non-linier, model jaringan transportasi dan penugasan, Pemrograman Linier Bulat (Integer Linear Programming), Pemrograman Dinamis (Dynamic Programming), serta pengenalan algoritma metaheuristik dan kompleksitas komputasi. Tujuan mata kuliah ini adalah membekali mahasiswa dengan kemampuan untuk mengidentifikasi, memodelkan, dan menyelesaikan masalah optimasi secara terstruktur serta membandingkan pendekatan solusi eksak dan heuristik menggunakan Python. Ruang lingkup pembelajaran meliputi aplikasi dalam machine learning, pemrosesan data besar (big data), dan pengambilan keputusan berbasis data (data-driven decision making).