劇集
大規模優化：超越隨機梯度下降和凸度
取代為 Suvrit Sra, Francis Bach
隨機優化位於機器學習的核心，其基石是隨機梯度下降（新臺幣），這是 60 多年前推出的主食！ 然而，近年來帶來了令人興奮的新發展：隨機方法的變異減少（VR）。 這些VR方法在允許超過一個通過定型數據的設定中表現優異，理論上和實務上都比新發幣更快達成聚合。 這些加速突顯出VR方法的極大興趣激增：到現在，一大批工作已經出現，而新的結果定期出現！ 本教學課程藉由將VR方法定位為 VIS-à-vis 新發幣，為更廣泛的機器學習對象帶來VR方法背後的主要原則。 此外，本教學課程除了凸面之外，也涵蓋非凸面問題的研究邊緣結果，同時概述重點，但尚未提出挑戰。
學習目標：
– 向更廣泛的 ML 觀眾介紹快速隨機方法，以超越 60 歲的演算法 （ZN） – 透過這個快速移動的區域提供指導燈，以統一和簡化其呈現、概述常見的陷阱，以及消除其能力 – 提高人們對該地區開放挑戰的認識，從而刺激未來的研究
目標受眾;
– 研究生（碩士和博士生）
– 學術界和業界的 ML 研究人員，他們不是隨機優化專家
– 想要擴大工具劇目的從業人員
隨機優化位於機器學習的核心，其基石是隨機梯度下降（新臺幣），這是 60 多年前推出的主食！ 然而，近年來帶來了令人興奮的新發展：隨機方法的變異減少（VR）。 這些VR方法在允許超過一個通過定型數據的設定中表現優異，理論上和實務上都比新發幣更快達成聚合。 這些加速突顯出VR方法的極大興趣激增：到現在，一大批工作已經出現，而新的結果定期出現！ 本教學課程藉由將VR方法定位為 VIS-à-vis 新發幣，為更廣泛的機器學習對象帶來VR方法背後的主要原則。 此外，本教學課程除了凸面之外，也涵蓋非凸面問題的研究邊緣結果，同時概述重點，但尚未提出挑戰。
學習目標：
– 向更廣泛的 ML 觀眾介紹快速隨機方法，以超越 60 歲的演算法 （ZN） – 透過這個快速移動的區域提供指導燈，以統一和簡化其呈現、概述常見的陷阱，以及消除其能力 – 提高人們對該地區開放挑戰的認識，從而刺激未來的研究
目標受眾;
– 研究生（碩士和博士生）
– 學術界和業界的 ML 研究人員，他們不是隨機優化專家
– 想要擴大工具劇目的從業人員
有任何意見嗎？ 請在此提交問題。