蓝光辉教授的最新专著系统地介绍了机器学习算法基础概念和近期进展,尤其是基于优化方法的算法。
覆盖从基础构造块到精心设计的复杂算法等详实内容;
用教程的形式介绍了机器学习算法领域的近期进展;
面向机器学习、人工智能和数学规划社区的广大研究人员;
每一章节后都附有练习。
优化在数据科学中一直发挥重要作用。很多统计和机器学习模型的分析与解决方法都依赖于优化。但是,近期社区对计算数据分析优化的兴趣往往伴随着一些难题。高维度、大型数据规模、内在不确定性、无法避免的非凸问题,以及实时和分布式设置的要求,给现有的优化方法带来了大量困难。
在过去十年中,为解决以上挑战,优化算法在设计和分析方面出现了巨大进步。然而,这些进步分散在多个不同学科的大量文献中,缺乏系统性的梳理。而这使得年轻研究人员更难进入优化算法领域,更难构建必要的基础知识、了解目前的前沿成果,以及推动该领域的发展。
这本书尝试用更有条理的方式介绍领域进展,主要聚焦于已得到广泛应用或具备大规模机器学习和数据分析应用潜力的优化算法,包括一阶方法、随机优化方法、随机和分布式方法、非凸随机优化方法、无投影方法,以及算子滑动和分散式方法。
本书的写作目标是介绍基础算法机制,它们能在不同环境设置下提供最优性能保障。不过在探讨算法之前,本书首先简要介绍了多个常见的机器学习模型和一些重要的优化理论,希望借此为初学者提供良好的理论基础。
机器之心联合 AWS 开设线上公开课,通过 6 次直播课程帮助大家熟悉 Amazon SageMaker 各项组件的使用方法,轻松玩转机器学习。
6 月 2 日 20:00,AWS解决方案架构师尹振宇将带来第 3 课,详解如何利用SageMaker Operator简化Kubernetes 上的机器学习任务管理。
联系客服