Методы оптимизации 2019

Общие сведения

• Семестр: 5 (третий курс)
• Форма контроля: дифф. зачет (791-798), экзамен (799, 7910)

Материалы занятий

• Видео лекций
• 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

• Convex optimization by S. Boyd at Stanford, YouTube video

• Convex analysis and optimization by D. Bertsekas at MIT

• Optimization methods by L. Vandenberghe at UCLA

• Advanced Optimization and Randomized Methods by A. Smola and S. Sra at CMU

• Optimization for Machine Learning by M. Jaggi at EPFL

• Convex Optimization and Approximation by M. Hardt at UC Berkeley

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.