Введение в Convex Optimization

Оптимизация — это невидимый двигатель, приводящий в движение современное машинное обучение, инженерию и data science. Понимание того, как формулировать и решать задачи выпуклой оптимизации, позволяет создавать более эффективные алгоритмы и принимать лучшие решения на основе данных. Этот текстовый курс проведет вас от математических основ до практической реализации алгоритмов. Вы научитесь определять выпуклые функции, настраивать задачи оптимизации и применять стандартные солверы для поиска оптимальных решений. Чему вы научитесь: 1. Понимать базовые концепции выпуклости, целевых функций и математических ограничений. 2. Определять выпуклые множества и функции, чтобы выявлять, имеет ли задача гарантированный глобальный минимум. 3. Применять gradient descent и его современные варианты, используемые в машинном обучении. 4. Формулировать реальные инженерные задачи и задачи data science в виде моделей выпуклой оптимизации. 5. Решать задачи оптимизации программным путем с использованием современных библиотек Python, таких как CVXPY. 6. Анализировать сходимость и эффективность различных алгоритмов оптимизации. Вы начнете с основных математических определений и геометрической интуиции, прежде чем перейти к методам безусловной и условной оптимизации. Этот курс предназначен для начинающих в области data science, инженерии или прикладной математики, которые хотят получить твердое понимание оптимизации. Базовое знание алгебры и Python будет полезным, но продвинутой математической подготовки не требуется. Начните читать сегодня, чтобы открыть для себя математическое ядро проектирования современных алгоритмов.