SDSC6015
机器学习的随机优化
📘 简介
随机优化在机器学习中起着关键作用，尤其在数据批量过大或数据集不可用时。本课程介绍随机优化的理论基础和算法开发，包括凸优化理论、随机近似方法及其加速技术，涉及机器学习模型的最前沿研究进展，并通过 Python 编程实践算法实现。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 描述随机优化的基本理论和数学结构；
✔️ 阐明现代机器学习优化问题中的随机近似原则；
✔️ 分析机器学习模型中的随机优化和学习算法；
✔️ 设计和分析与相关优化问题相对应的实际算法。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📄 测试与测验 | 30% | 通过课堂测试和测验评估学生对课程知识的理解与掌握。 |
| 🖥️ 个人作业 | 30% | 通过作业解决优化问题，评估学生对理论和量化技能的应用能力。 |
| 📄 期末考试 | 40% | 2小时书面考试，评估学生对优化理论和算法的全面理解。 |
💬 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