大数据分析中的算法
  1. 平台精选
  2. 0
  3. 3327
  • 收藏
  • 分享
暂未开放学期，敬请期待......
课程概述
大数据给数据分析和处理带来了前所未有的机遇和挑战。本课程介绍大数据分析中一些算法：数据的稀疏和低秩表达，稀疏和低秩矩阵优化，社交网络计算中的图与网络流问题，机器学习和数据挖掘的最优化算法，随机优化算法，强化学习等等。通过本课程学习，掌握最优化的基本概念，典型的几类最优化建模方法，相关优化问题的基本计算方法，并能熟练调用基于MATLAB或Python等语言的典型优化软件程序求解一些标准的优化问题，灵活运用所讲授的算法和理论求解一些非标准的优化问题。达到锻炼将实际问题建立合适最优化模型的能力，选择合适的现有软件包和算法的能力，遇到没有现成算法自己实现简单算法的能力。
教师团队
  • 教授
    文再文

    北京大学

课程助教
  • wanghao960607

  • 1901110049

    北京大学

1.课程简介，大数据分析中的最优化理论与算法介绍，2学时

2.线性规划，二次锥规划，半定规划简介，2学时

3.对偶理论，3学时

4.线性规划单纯形方法和内点法，3学时

5.压缩感知和稀疏优化基本理论，2学时

6.压缩感知和稀疏优化算法，4学时

7.推荐系统与低秩矩阵恢复的算法，3学时

8.最优运输算法，3学时

9.随机优化算法，3学时

10.随机特征值算法，3学时

11.相位恢复和低温电子显微镜模型和算法，3学时

12.高维数据降维，支撑向量机，3学时

13.图和网络流问题: 最短路径问题，最大流问题，组合优化，3学时

14.次模优化，3学时

15.强化学习，8学时

先修课程要求:

  • 年级要求: 大三，大四，研究生

  • 不是必须先修但有帮助: 数值代数，最优化（凸优化），概率论

  • 会Matlab或者Python程序编写


“Convex optimization”, Stephen Boyd and Lieven Vandenberghe
https://web.stanford.edu/~boyd/cvxbook/

“Numerical Optimization”, Jorge Nocedal and Stephen Wright, Springer
http://users.iems.northwestern.edu/~nocedal/book/num-opt.html


其它课程参考资料和最新的课程信息请参考网页

http://bicmr.pku.edu.cn/~wenzw/bigdata2020.html

主讲教师

文再文 教授
  1. 北京大学
  2. 3327
  3. 0

文再文，北京大学北京国际数学研究中心教授，工学院工业工程与管理系主任。主要研究最优化算法与理论及其在机器学习和人工智能中的应用。2016年获中国青年科技奖。2020年获国家万人计划科技创新领军人才和北京市杰出青年中关村奖，现为中国运筹学会常务理事，中国运筹学会数学规划分会副理事长。

相关课程推荐