Бакалавриат 2026/2027

Методы оптимизации в машинном обучении

Статус: Курс обязательный (Вычислительные социальные науки)

Кто читает: Департамент психологии

Где читается: Факультет социальных наук

Когда читается: 4-й курс, 1, 2 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 5

Контактные часы: 60

Программа дисциплины

Аннотация

Данный курс даёт обзор основных методов математической оптимизации, применяющихся в прикладных задачах, в том числе в машинном обучении.

Цель освоения дисциплины

• Знает безусловные методы оптимизации
• Знает условные методы оптимизации
• Знает основные методы дискретной оптимизации
• Знает методы многокритериальной оптимизации
• Знаком с потановкой задач вариационного исчисления и способами их решения

Планируемые результаты обучения

• Знает принципы построения численных методов поиска беусловного экстремума
• Знает методы нулевого, первого и второго порядка
• Знает принципы построения численных методов поиска условного экстремума
• Знает методы последовательной безусловной минимизации
• Знает метод возможных направлений
• Знает точные методы: полный перебор, метод ветвей и границ, динамическое программирование
• Знает приближённые методы: траекторные методы, популяционные методы, роевой интеллект
• Знает методы сведения задач к однокритериальным
• Знает методы, порождающие множество Парето

Содержание учебной дисциплины

• Безусловные методы оптимизации
• Условные методы оптимизации
• Дискретная оптимизация
• Многокритериальная оптимизация
• Задачи вариационного исчисления

Элементы контроля

• Квизы
• Мидтерм
• Финальный экзамен
• Проект

Промежуточная аттестация

• 2026/2027 2nd module
  0.2 * Проект + 0.3 * Финальный экзамен + 0.3 * Мидтерм + 0.1 * Квизы

Список литературы

Рекомендуемая основная литература

• Luethi, H.-J. (2005). Convex Optimization: Stephen Boyd and Lieven Vandenberghe. Journal of the American Statistical Association, 1097. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.a.bes.jnlasa.v100y2005p1097.1097

Рекомендуемая дополнительная литература

• 9780262257053 - Sutton, Richard S.; Barto, Andrew G. - Reinforcement Learning : An Introduction - 1998 - A Bradford Book - http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1094 - nlebk - 1094
• Kochetov Y, Pardalos P., Nurminski E., Beresnev V., Khachay M. Discrete Optimization and Operations Research \\ Springer \\https://www.springer.com/gp/book/9783319449135

Авторы

• Седашов Евгений Александрович