Panimula sa Convex Optimization

Ang optimization ang tahimik na makinang nagpapatakbo sa modernong machine learning, engineering, and data science. Ang pag-unawa kung paano bumuo at lumutas ng mga problema sa convex optimization ay nagbibigay-daan sa iyo na gumawa ng mas mahuhusay na algorithm at mas mabuting desisyong nakabatay sa data. Ang nakasulat na kursong ito ay gigiyahan ka mula sa mga pundasyong matematikal hanggang sa praktikal na pagpapatupad ng algorithm. Matututunan mo kung paano kilalanin ang mga convex function, mag-set up ng mga problema sa optimization, at gumamit ng mga karaniwang solver upang mahanap ang mga pinakamahusay na solusyon. Ang matututunan mo: 1. Unawain ang mga batayang konsepto ng convexity, objective functions, at mga mathematical constraint. 2. Kilalanin ang mga convex set at function upang matukoy kung ang isang problema ay may garantisadong global minimum. 3. Gamitin ang gradient descent at ang mga modernong variant nito na ginagamit sa machine learning. 4. Bumuo ng mga totoong problema sa engineering at data science bilang mga modelo ng convex optimization. 5. Lumutas ng mga problema sa optimization sa pamamagitan ng pag-program gamit ang mga modernong Python library tulad ng CVXPY. 6. Suriin ang convergence at kahusayan ng iba't ibang optimization algorithm. Magsisimula ka sa mga pangunahing depinisyong matematikal at geometric intuition bago lumipat sa mga diskarteng unconstrained at constrained optimization. Ang kursong ito ay idinisenyo para sa mga baguhan sa data science, engineering, o applied mathematics na gustong magkaroon ng matibay na pag-unawa sa optimization. Ang batayang pag-unawa sa algebra at Python ay makatutulong, ngunit hindi kailangan ng advanced na kaalaman sa matematika. Simulang magbasa ngayon upang matuklasan ang matematikal na core ng modernong disenyo ng algorithm.