機器學習與數據科學中的優化算法（簡體書）

在人工智能與大數據時代，優化算法已成為機器學習與數據科學的核心支柱。本書以獨特的應用視角，將抽象的數學理論與實際工程問題緊密結合，為讀者架起了一座從理論到實踐的橋樑。本書由優化領域權威學者Stephen J. Wright和Benjamin Recht撰寫，旨在為讀者提供一本條理清晰、系統全面的優化技術指南，尤其聚焦數據科學與機器學習領域的核心優化技術。書中詳細闡述了基本優化算法，並分析了它們的收斂性和複雜度。全書共11章，第1章通過典型案例闡釋優化在現代數據分析中的應用；第2～10章深入剖析多種核心算法，包括加速梯度法、隨機梯度法（機器學習的核心算法）、坐標下降法（高效處理高維問題的利器）、簡單約束問題的梯度法、具有非平滑項的凸優化問題的理論和算法，以及約束優化問題的對偶方法；第11章拓展至深度學習與控制領域的梯度計算方法（如自動微分、反向傳播的優化視角）。