最优化方法导论
基本信息
课程名称：最优化方法导论
课程介绍：本课程介绍最优化问题的基本理论与常用数值方法，包含无约束与约束优化、凸优化基础、最速下降、牛顿法、梯度法等等，强调在机器学习与工程问题中的应用。
课程画像：
- 课程类型：平台
- 学分：3 学分
- 考核方式：课堂小测 10% · 平时作业 10% · 期中考试 20% · 期末考试 60%
课程资料区
课程教材：
- Convex Optimization, Stephen Boyd & Lieven Vandenberghe
- Convex Optimization Theory, Dimitri P. Bertsekas
课程资料库（课件，往年试卷等）：repo
推荐视频：凸优化 凌青老师
经验分享区
课程定位评价：学习理解难度较高，需要一定的数学基础，主要涉及线性代数相关知识。考试相对友好，主要考察对理论知识的理解和应用能力，平时作业和课堂小测认真理解以后，考试也会相对轻松。
作业反馈：
- 2025年秋季学期
- 平时作业与课堂小测都以大题形式出现，难度适中
考试情报：
- 2025年秋季学期
- 题型包括 判断题 + 证明题 + 计算题。
- 判断题主要考察对理论知识的理解，复习时多关注ppt上的一些二级结论和一些重点内容。
- 证明题主要考察对理论知识的应用，计算题主要考察KKT条件的应用。
学习建议：
- 这一门课程比较抽象，上课时较难一遍就理解透彻，建议课后在b站上看凌青老师的视频讲解，视频讲解比较详细，也比较容易理解。
- 平时作业可以适当使用AI辅助理解，关键是要理解每一步的意义，活学活用，而不能简单copy答案。