SDSC6011
数据科学优化
📘 简介
本课程介绍优化方法及其在数据科学中的应用，假设学生具备微积分和线性代数的基础知识。课程涵盖凸分析、拉格朗日对偶理论、线性和非线性规划、圆锥规划及梯度下降等优化算法的理论基础与应用，帮助学生解决数据科学和机器学习中的实际问题。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 解释优化方法中的数学结构与原理；
✔️ 运用数学概念构建优化问题；
✔️ 推导优化模型的最优解；
✔️ 应用常用优化算法；
✔️ 编写优化程序解决实际问题。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📄 测试 | 40% | 测试学生对优化理论与算法的理解与应用能力。 |
| 🖥️ 作业 | 20% | 完成优化问题的个别作业，巩固理论与实践能力。 |
| 📄 期末考试 | 40% | 2小时书面考试，覆盖课程核心内容与实际应用。 |
💬 课程评价
✨ 精选评价
💡 加入讨论
在下方评论分享您的评价、问题或经验👇
“期待你的评价。”
—— CityU