#sdsc6015 #course information

English / 中文

课程概览

课程代码: SDSC6015

课程名称: 机器学习的随机优化 (STOCHASTIC OPTIMIZATION FOR MACHINE LEARNING)

学期: 2025-26 学年 第一学期 (Semester A)

授课教师: 余璐 博士 (Dr. Lu Yu)

邮箱: lu.yu@cityu.edu.hk

办公室: 刘鸣炜学术楼 16-279 室 (LAU 16-279)

  • 授课时间: 周四 19:00 – 21:50

  • 授课地点: 杨建文学术楼 M3017 室 (CMC Building, M3017)

  • 答疑时间: 待公布 (TBA)

  • 助教:

    • 杨心念 (xinniyang2-c@my.cityu.edu.hk)
    • 吴智友 (zhiyouwu2-c@my.cityu.edu.hk)

考核方式

组成部分 权重 详情
作业 30% 共3次作业，每次占10%。允许与最多2位同学讨论，但必须独立完成并写明协作者。逾期提交每日扣10%（最多延迟3天）。
考核选项1 30% 期中考试 (30%)
考核选项2 30% 课程项目 (10%) + 期中考试 (20%)
期末考试 40% 日期待定 (TBD)。闭卷；允许携带2张A4备忘单（双面）。

注：学生可选择考核选项1或选项2。

时间安排与教学 (课程大纲)

周次 日期 主题 备注
第1周 9月4日 课程介绍 / 随机优化初步
第2周 9月11日 凸函数 / 凸优化问题
第3周 9月18日 梯度下降法 / 投影/近端梯度下降法 作业1发布（9月18日），截止10月1日
第4周 9月25日 次梯度下降法 / 镜像下降法
第5周 10月2日 随机梯度下降法 / 动量方法
第6周 10月9日 期中考试
第7周 10月16日 自适应学习率方法 / SGD其他变体 作业2发布（10月16日），截止10月29日
第8周 10月23日 坐标下降法 / 牛顿法、拟牛顿法
第9周 10月30日 零阶优化 / 并行与分布式优化
第10周 11月6日 非凸优化 / 在机器学习中的应用
第11周 11月13日 鲁棒与对抗优化 作业3发布（11月13日），截止11月26日
第12周 11月20日 优化进阶主题 / 期末考试复习
第13周 11月27日 课程回顾与总结
期末考试 待通知

重要日期与政策

  • 期中考试日期: 10月9日 (周四)

  • 期末考试日期: 待定 (TBD)

  • 成绩复议: 成绩公布后一周内可申请重新评估。

  • 补考政策: 因合理原因（如医疗原因）缺考期中考试，需通过AIMS系统提交证明并立即通知教师。若批准，期末考试权重将调整为70%。非医疗原因需事先获得教师批准。

教材与资源

  • 主要教材: 无指定必修教材。

  • 推荐参考书:

    • Convex Optimization: Algorithms and Complexity, by Sébastien Bubeck
    • Convex Optimization, by Stephen Boyd and Lieven Vandenberghe
    • Introductory Lectures on Convex Optimization, by Yurii Nesterov
    • First-Order and Stochastic Optimization Methods for Machine Learning, by Guanghui Lan

  • 课程网站: 所有课程信息、阅读材料、作业、公告等均通过Canvas发布。