Este es un curso increíble, muy difícil si carece del álgebra lineal requerida, que se desarrolla lentamente. Comienza introduciendo conjuntos afines, conjuntos convexos, funciones convexas. Una vez hecho esto, se mueven a lo real, es decir, enmarcar la formulación de optimización convexa; te enseñan a enmarcar LP, QP, QCQP, SOCP (creo, no muy seguro, Boyd descubrió cómo resolver los SOCP), SDP. Una vez hecho esto, discuten la dualidad y luego las condiciones de KKT. Aquí es donde dejé de ver el curso en YouTube (me encantó haberlo terminado, pero las limitaciones de tiempo tenían algunos proyectos).
Creo que después de esto hablan sobre las diversas aplicaciones de la optimización. Las aplicaciones de minimización de una norma tienen una importancia especial: regresión lineal regularizada; regresión de cresta; Regresión LASSO.
Boyd, si no me equivoco, fue coautor de uno de los documentos fundamentales de Candes sobre detección comprimida, que resultó ser una de las mayores aplicaciones de minimización de una norma, por lo que creo que tiene una fuerte inclinación hacia la minimización de una norma.
- ¿Cuál es la fórmula matemática para revertir un número?
- ¿Qué es infinito en la barra de bus infinita?
- ¿Cómo traduzco la pregunta del teorema de De Moivre en una calculadora Casio?
- ¿Cuál es la motivación detrás de la definición de verdadero como el valor de verdad de (A implica B) cuando A es falso independientemente del valor de verdad de B?
- Cómo decir que algo existe en la lógica formal
Hasta ahora acabo de mencionar lo que discute el curso. Para darles a las personas una idea de lo increíble que es este curso, voy a hablar sobre lo que me hizo.
Pude crear mi propio marco de optimización para resolver un problema en el aprendizaje automático; la intuición era mía, pero la construcción formal se inspiró en un documento llamado Reconocimiento facial con una representación escasa (por John Wright, profesor de Columbia). El enlace a mi trabajo se encuentra aquí (http://sudarshanbabu94.net/A_Nov…), por favor échale un vistazo -si tienes sugerencias o comentarios, por favor escribe en una línea sudarshan.warftatgmail.com- No estoy diciendo Es una gran investigación, pero el punto es que yo era un estudiante universitario con cero exposición a la optimización convexa antes de esto. Entonces, si el curso puede hacerme mucho, estoy seguro de que puede hacer mucho más para los estudiantes graduados que tienen mucha más exposición matemática.
Entonces, inequívocamente diría que uno debe tomarlo independientemente del campo de uno; Las aplicaciones de optimización son omnipresentes: puede encontrar aplicaciones en todas partes, desde economía hasta informática y estadísticas.
Entonces, sí, es increíblemente útil.
PD: es útil si tienes el libro sobre optimización convexa escrito por Boyd y Vandenberghe.
PD: puede encontrar mi escritura aquí y en mi artículo un poco detallada, por favor tenga paciencia. 😛