Просмотр исходного текста страницы Методы оптимизации 2019

= Общие сведения =
* Семестр: 5 (третий курс)
* Форма контроля: дифф. зачет (791-798), экзамен (799, 7910)

'''Материалы занятий'''
* [https://www.youtube.com/playlist?list=PL4_hYwCyhAvZnpTTb5vKTsFcsTn-LPUtI Видео лекций]
* [https://github.com/amkatrutsa/optimization-fivt Репозиторий с лекциями]

=== Основные цели курса ===

* Изложить основные факты из теории выпуклой оптимизации (первая половина курса) и проиллюстрировать использование этих фактов при разработке и доказательстве сходимости численных методов для решения задач оптимизации (вторая половина курса). 
* Познакомить аудиторию с современными подходами к решению задач выпуклой оптимизации и идеями, которые за ними стоят 
* Дать обзор многочисленных приложений выпуклой оптимизации

=== Курсы, используемые для вдохновения === 

* [http://stanford.edu/class/ee364a/ Convex optimization by S. Boyd at Stanford], [https://www.youtube.com/watch?v=McLq1hEq3UY&list=PL3940DD956CDF0622 YouTube video]

* [http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-253-convex-analysis-and-optimization-spring-2012/ Convex analysis and optimization by D. Bertsekas at MIT]

* [http://www.seas.ucla.edu/~vandenbe/ee236b/ee236b.html Optimization methods by L. Vandenberghe at UCLA]

* [http://www.cs.cmu.edu/~suvrit/teach/aopt.html Advanced Optimization and Randomized Methods by A. Smola and S. Sra at CMU]

* [https://github.com/epfml/OptML_course Optimization for Machine Learning by M. Jaggi at EPFL]

* [https://ee227c.github.io/ Convex Optimization and Approximation by M. Hardt at UC Berkeley]

= Дополнительные материалы =

* [https://www.cvxpy.org/ Сайт про cvxpy и его использование]
* [https://web.stanford.edu/~boyd/cvxbook/bv_cvxbook_extra_exercises.pdf Сборник задач по выпуклой оптимизации]
* [https://www.maths.ed.ac.uk/~gondzio/reports/ipmXXV.pdf Обзор про методы внутренней точки]
* [https://epubs.siam.org/doi/abs/10.1137/S1052623401383248?journalCode=sjope8&mobileUi=0 Статья про сведения NP-сложной задачи к задаче выпуклой оптимизации]

= Преподаватели =
* Лектор: Катруца Александр
* Семинаристы:
** Демидович Юрий (791)
** Гладин Егор (792)
** Тупица Назарий (793, 795)
** Камзолов Дмитрий (794, 7910)
** Иванова Анастасия (796, 798)
** Малиновский Григорий (797)
** Данилова Марина (799)

= Критерии получения оценки =
Домашние задания учитываются с коэффициентом 0.4, каждая из двух контрольных с коэффициентом 0.3.