EPFL CS439 - Optimization for Machine Learning
课程简介
- 先修要求：线性代数、微积分、概率论，熟悉机器学习更好
- 主要内容：机器学习中的多种优化算法，包括梯度下降及其变体、牛顿迭代法、坐标下降法、Frank–Wolfe 算法等
这门课相较于 Stanford 著名的 EE364A 课程更注重于机器学习中的优化算法，尤其是梯度下降等内容，因而相对较简单。如果你只想了解和机器学习相关的凸优化算法，那么选择这门课程会更合适；而如果你想了解更多理论方面的内容， EE364A 可能会更符合你的需求。