数据科学优化方法

图书标准信息

• 作者 孙怡帆
• 出版社 中国人民大学出版社
• 出版时间 2023-10
• 版次 1
• ISBN 9787300316703
• 定价 49.00元
• 装帧 平装
• 开本 其他
• 页数 236页
• 字数 338千字

【内容简介】

首先，本书在内容选择上坚持“经典”与“前沿”并重。一方面，系统全面地讲述了无约束和有约束很优化问题的常用求解方法，包括负梯度方法、牛顿方法、拟牛顿方法、共轭梯度方法、罚函数方法等。另一方面，加入近几年在数据科学领域受到广泛关注的一些新型一阶很优化方法，例如随机梯度下降方法、小批量随机梯度下降、动量方法、Nesterov加速梯度方法、Adam方法等。特别地，本书着重讲述了在数据科学中广泛使用的正则很优化问题，并介绍其求解方法，包括坐标下降方法、近端方法和交替方向乘子方法。
其次，本书注重理论和实践相结合。主要的很优化方法均配有详细例子加以解释和阐述，并在章的最后一节进行数值实验，通过几个典型的很优化问题展示很优化方法的实际数值表现，有助于读者对方法性能建立起直观感受。

【作者简介】

孙怡帆，中国人民大学统计学院教授，博士生导师，数理统计系系主任，全国工业统计学教学研究会常务理事，中国统计教育学会理事。主要从事高维数据分析、分布式计算理论和方法领域研究，以主要作者身份在StatisticsinMedicine、BriefinginBioinformatics、PhysicalReviewX等国际知名学术期刊公开发表论文30余篇，参与编写教材《非结构化大数据分析》。主持国家自然基金、教育部人文社科等省部级科研课题8项，曾获北京市高等教育教学成果一等奖、北京市高校本科毕业论文优秀指导教师等多项省部级教学奖励。

【目录】

作者介绍

序言