这本书作为在线凸优化(OCO)的扩展理论的介绍。这本书是作为一门研究生课程的基础教材编写的,或者作为研究人员在机器学习优化的参考。这门课程在2010-2014年在Technion开设,每年略有变化,后来在2015-2020年在普林斯顿大学开设。
这本书是为计算机科学/电气工程/运筹学/统计和相关领域的研究生提供一个完整的课程参考。因此,它的组织结构遵循了Technion教授的“决策分析”课程和普林斯顿大学教授的“理论机器学习”课程的结构。根据课程的深度和广度,每一章应该上一到两周的课。第1章是为该领域设计的一个难题,它没有本书的其余部分那么严格。粗略地说,这本书可以设想为三个单元。第一部分,从第2章到第4章,包含了OCO的基本定义、框架和核心算法。第5章到第7章包含了更高级的算法和对框架及其对其他计算和信息访问模型的扩展的深入分析。本书的其余部分涉及更高级的算法、更困难的设置,以及与著名的机器学习范例的关系。这本书可以帮助教育者设计在线凸优化主题的完整课程,或它可以作为一个组成部分在机器学习的综合课程。在书中给出的选择练习的解决方案的附带手册仅供教育者使用。
https://www.zhuanzhi.ai/paper/9514e4686a280cf06853371732895cee