凸優(yōu)化在機器學習領域有極其重要的作用。凸優(yōu)化，或叫做凸最優(yōu)化，凸最小化，是數(shù)學最優(yōu)化的一個子領域，研究定義于凸集中的凸函數(shù)最小化的問題。凸優(yōu)化在某種意義上說較一般情形的數(shù)學最優(yōu)化問題要簡單，譬如在凸優(yōu)化中局部最優(yōu)值必定是全局最優(yōu)值。凸函數(shù)的凸性使得凸分析中的有力工具在最優(yōu)化問題中得以應用，如次導數(shù)等。
===============課程目錄===============
(1)\1 優(yōu)化理論概述；目錄中文件數(shù):3個
├─1 優(yōu)化緒論.mp4
├─2 凸集.mp4
├─3 凸函數(shù).mp4
(2)\2 線性規(guī)劃；目錄中文件數(shù):7個
├─1 線性規(guī)劃模型的標準化.mp4
├─2 求解的基本概念和性質(zhì).mp4
├─3 圖解法.mp4
├─4 單純形法（一）.mp4
├─5 單純形法（二）.mp4
├─6 對偶問題定義.mp4
├─7 對偶問題例題講解.mp4
(3)\3 優(yōu)化條件與算法；目錄中文件數(shù):9個
├─1 無約束問題的最優(yōu)性條件（一）.mp4
├─2 無約束問題的最優(yōu)性條件（二）.mp4
├─3 約束問題的最優(yōu)性條件（一）.mp4
├─4 約束問題的最優(yōu)性條件（二）.mp4
├─5 約束問題的最優(yōu)性條件（三）.mp4
├─6 優(yōu)化設計問題的基本解法.mp4
├─7 基本解法例題.mp4
├─8 算法收斂性和終止準則.mp4
├─9 總結(jié).mp4
(4)\4 無約束優(yōu)化；目錄中文件數(shù):14個
├─1 一維搜索（一）.mp4
├─10 牛頓法.mp4
├─11 阻尼牛頓法.mp4
├─12 共軛梯度法（一）.mp4
├─13 共軛梯度法（二）.mp4
├─14 總結(jié).mp4
├─2 一維搜索（二）.mp4
├─3 一維搜索0.618法.mp4
├─4 一維搜索0.618法例題講解.mp4
├─5 一維搜索Fibonacci法.mp4
├─6 函數(shù)逼近法.mp4
├─7 一維搜索小結(jié).mp4
├─8 最速下降法.mp4
├─9 最速下降法舉例.mp4
(5)\課件；目錄中文件數(shù):4個
├─1 優(yōu)化理論概述.pdf
├─2 線性規(guī)劃.pdf
├─3 優(yōu)化條件與算法.pdf
├─4 無約束優(yōu)化.pdf
