Vybrané partie z optimalizace a numeriky
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
QNI-PON | Z,ZK | 5 | 2P+1C | česky |
- Garant předmětu:
- Karel Klouda
- Přednášející:
- Karel Klouda
- Cvičící:
- Karel Klouda
- Předmět zajišťuje:
- katedra aplikované matematiky
- Anotace:
-
Studenti se seznámí se speciálními optimalizačními problémy, které se objevují v oblasti strojového učení a umělé inteligence a rozšíří si tak základní znalosti spojité optimalizace získané v předchozím studiu. Seznámí se také s detaily implementace řešení těchto problémů na počítači a souvisejícími matematickými koncepty zejména z numerické lineární algebry.
- Požadavky:
- Osnova přednášek:
-
1. Spojitá optimalizace: formulace a ukázky různých úloh strojového učení.
2. (2) Iterativní metody pro hledání lokálních extrémů (gradientní sestup, Newtonova metoda a jejich varianty).
4. Lagrangeův formalismus, KKT podmínky.
5. (2) Lineární regrese a metoda nejmenších čtverců: statistické a numerické vlastnosti (výpočet využívající QR rozklad).
7. Dualita a metoda vnitřního bodu.
8. (2) Support Vector Machines regrese.
10. (2) QR rozklad matice, algoritmy pro výpočet QR rozkladu, QR algoritmus.
12. (2) Maticové faktorizace, jejich výpočet a použití ve strojovém učení (SVD, PCA, nezáporná faktorizace).
- Osnova cvičení:
-
1. Iterativní metody pro hledání lokálních extrémů (gradientní sestup, Newtonova metoda a jejich varianty).
2. Vázané extrémy
3. Dualita
4. Maticové rozklady
5. SVD, PCA
6. SVM
- Cíle studia:
-
Studenti se seznámí se speciálními optimalizačními problémy, které se objevují v oblasti strojového učení a umělé inteligence a rozšíří si tak základní znalosti spojité optimalizace získané v předchozím studiu. Seznámí se také s detaily implementace řešení těchto problémů na počítači a souvisejícími matematickými koncepty zejména z numerické lineární algebry.
- Studijní materiály:
-
1. Bishop, Ch.: Pattern Recognition and Machine Learning
Springer 2006
ISBN 978-0-387-31073-2
2. Hastie, T., Tibshirani, R., Friedman, J.: The Elements of Statistical Learning: Data Mining, Inference, and Prediction
Springer 2011
ISBN 978-0-387-84857-0
3. Boyd, S., Vandenberghe, L.: Convex Optimization
Cambridge University Press 2004
ISBN 9780521833783
4. Trefethen, L. N., Bau, D.: Numerical Linear Algebra
SIAM: Society for Industrial and Applied Mathematics 1997
ISBN 978-0-89871-361-9
5. Nocedal, J., Wright, S. W.: Numerical Optimization, 2nd Edition
Springer 2006
ISBN 978-0-387-40065-5
6. Strang, G.: Introduction to Linear Algebra, 5th Edition
Wellesley-Cambridge Press 2016
ISBN 978-0980232776
- Poznámka:
-
Předmět se vyučuje společně s NI-PON. Výuka probíhá v českém jazyce.
Informace o předmětu a výukové materiály naleznete na straně https://courses.fit.cvut.cz/QNI-PON.
- Další informace:
- https://courses.fit.cvut.cz/QNI-PON
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů:
-
- Kvantová informatika (povinně volitelný předmět)