VIP內容

藍光輝教授的專著係統地介紹了機器學習算法基礎概念和近期進展,尤其是基於優化方法的算法。 機器學習算法領域近期出現了大量研發進展,但目前社區尚缺乏對機器學習算法基礎概念和近期進展的係統性介紹,尤其是基於隨機優化方法、隨機算法、非凸優化、分布式與在線學習,以及無投影方法的機器學習算法。

佐治亞理工終身教授藍光輝出版的一本關於機器學習算法的專著《First-order and Stochastic Optimization Methods for Machine Learning》。

這本專著具備以下特點:

  • 覆蓋從基礎構造塊到精心設計的複雜算法等詳實內容;
  • 用教程的形式介紹了機器學習算法領域的近期進展;
  • 麵向機器學習、人工智能和數學規劃社區的廣大研究人員;
  • 每一章節後都附有練習。

係統梳理優化算法的進展

在該書序言部分,藍光輝教授介紹了寫作此書的初衷:

優化在數據科學中一直發揮重要作用。很多統計和機器學習模型的分析與解決方法都依賴於優化。但是,近期社區對計算數據分析優化的興趣往往伴隨著一些難題。高維度、大型數據規模、內在不確定性、無法避免的非凸問題,以及實時和分布式設置的要求,給現有的優化方法帶來了大量困難。 在過去十年中,為解決以上挑戰,優化算法在設計和分析方麵出現了巨大進步。然而,這些進步分散在多個不同學科的大量文獻中,缺乏係統性的梳理。而這使得年輕研究人員更難進入優化算法領域,更難構建必要的基礎知識、了解目前的前沿成果,以及推動該領域的發展。 這本書嚐試用更有條理的方式介紹領域進展,主要聚焦於已得到廣泛應用或具備大規模機器學習和數據分析應用潛力的優化算法,包括一階方法、隨機優化方法、隨機和分布式方法、非凸隨機優化方法、無投影方法,以及算子滑動和分散式方法。 本書的寫作目標是介紹基礎算法機製,它們能在不同環境設置下提供最優性能保障。不過在探討算法之前,本書首先簡要介紹了多個常見的機器學習模型和一些重要的優化理論,希望借此為初學者提供良好的理論基礎。

此外,藍教授表示這本書的目標讀者是對優化算法及其在機器學習和人工智能中的應用感興趣的研究生和高年級本科生,也可以作為更高階研究人員的參考書目。這本書的最初版本已經作為佐治亞理工學院高年級本科生和博士課程的教材。

核心內容

這本書共包括八個章節,涵蓋機器學習模型、凸優化、非凸優化、無投影方法等內容,是對優化算法近期進展的一次係統性梳理。

書籍鏈接:https://www.springer.com/gp/book/9783030395674

作者簡介

本書作者藍光輝教授,博士畢業於佐治亞理工學院,目前任教於佐治亞理工 H. Milton Stewart 工業和係統工程學院。此外,他還擔任《Computational Optimization and Applications》、優化算法頂級期刊《Mathematical Programming》和《SIAM Journal on Optimization》等雜誌的副主編,是國際機器學習和深度學習算法方向的頂級專家。

藍光輝教授專注於計算機科學領域的基礎研究,他的研究方向包括:隨機優化和非線性規劃的理論、算法和應用,包括隨機梯度下降和加速隨機梯度下降,以及用於解決隨機凸和非凸優化問題。

成為VIP會員查看完整內容
0
37
1
Top