Методы оптимизации 2019 — различия между версиями

Материал из Public ATP Wiki
Перейти к: навигация, поиск
(Общие сведения, преподаватели, оценка)
 
(Дополнительные материалы)
 
(не показаны 4 промежуточные версии 2 участников)
Строка 6: Строка 6:
 
* [https://www.youtube.com/playlist?list=PL4_hYwCyhAvZnpTTb5vKTsFcsTn-LPUtI Видео лекций]
 
* [https://www.youtube.com/playlist?list=PL4_hYwCyhAvZnpTTb5vKTsFcsTn-LPUtI Видео лекций]
 
* [https://github.com/amkatrutsa/optimization-fivt Репозиторий с лекциями]
 
* [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 =
 
= Преподаватели =
 
* Лектор: Катруца Александр
 
* Лектор: Катруца Александр
 
* Семинаристы:
 
* Семинаристы:
** Демидович Ю. (791)
+
** Демидович Юрий (791)
** Гладин Е. (792)
+
** Гладин Егор (792)
** Тупица Н. (793, 795)
+
** Тупица Назарий (793, 795)
** Камзолов Д. (794б 7910)
+
** Камзолов Дмитрий (794, 7910)
** Иванова А. (796, 798)
+
** Иванова Анастасия (796, 798)
** Малиновский Г. (797)
+
** Малиновский Григорий (797)
** Данилова М. (799)
+
** Данилова Марина (799)
  
 
= Критерии получения оценки =
 
= Критерии получения оценки =
 
Домашние задания учитываются с коэффициентом 0.4, каждая из двух контрольных с коэффициентом 0.3.
 
Домашние задания учитываются с коэффициентом 0.4, каждая из двух контрольных с коэффициентом 0.3.

Текущая версия на 13:22, 10 октября 2019

Общие сведения

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

Материалы занятий

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

Дополнительные материалы

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.