Universität Wien FIND

Bedingt durch die COVID-19-Pandemie können kurzfristige Änderungen bei Lehrveranstaltungen und Prüfungen (z.B. Absage von Vor-Ort-Lehre und Umstellung auf Online-Prüfungen) erforderlich sein. Melden Sie sich für Lehrveranstaltungen/Prüfungen über u:space an, informieren Sie sich über den aktuellen Stand auf u:find und auf der Lernplattform moodle.

Weitere Informationen zum Lehrbetrieb vor Ort finden Sie unter https://studieren.univie.ac.at/info.

053612 VU Optimisation Methods for Data Science (2020W)

Prüfungsimmanente Lehrveranstaltung
Do 03.12. 11:30-14:45 Digital

An/Abmeldung

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Donnerstag 08.10. 11:30 - 14:45 Digital
Donnerstag 15.10. 11:30 - 13:00 Digital
Donnerstag 22.10. 11:30 - 14:45 Digital
Donnerstag 29.10. 11:30 - 13:00 Digital
Donnerstag 05.11. 11:30 - 14:45 Digital
Donnerstag 12.11. 11:30 - 13:00 Digital
Donnerstag 19.11. 11:30 - 14:45 Digital
Donnerstag 26.11. 11:30 - 13:00 Digital
Donnerstag 10.12. 11:30 - 13:00 Digital
Donnerstag 17.12. 11:30 - 14:45 Digital
Donnerstag 07.01. 11:30 - 13:00 Digital
Donnerstag 14.01. 11:30 - 14:45 Digital
Donnerstag 21.01. 11:30 - 13:00 Digital
Donnerstag 28.01. 11:30 - 14:45 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Full digital synchronous mode (e-meet the professors live every week; recording is not guaranteed!)

Platform is moodle:

https://moodle.univie.ac.at/course/view.php?id=169428

--------------------
Contents:

1. Geometric foundations of duality

1.1 Convexity and minimal distance projection
1.2 Properties of the minimal distance projection
1.3 Separation of convex sets
1.4 Supporting hyperplane and Farkas' Lemma

2. The concept of duality in optimization

2.1 Lagrange duality for constrained optimization problems
2.2 Duality gap, quality guarantee, and complementary slack
2.3 Minimax, saddle points, and optimality conditions
2.4 Convex problems: Slater condition, Wolfe dual

3. Practical aspects of duality in optimization

3.1 Linear and quadratic optimization
3.2 Ascent directions for the dual function
3.3 Dual (steepest) ascent method
3.4 (Dual) cutting planes
3.5 Duality for discrete problems; branch-and-bound

Art der Leistungskontrolle und erlaubte Hilfsmittel

(1) virtual-oral presentations of exercises (from the lecture notes, to be prepared in advance; format: a single .pdf with your name, max.size 5MB) which will be awarded by up to 30 points.

(2) a take-home exam (scheduled by majoritry vote to 14 January 2021). Net working time will be set tight, so we suggest to prepare well (from experience, you will lack time to find the answer during exam without having thought of the topic before). Details will be communicated in due course.
Exam will be awarded by up to 20 points.

(3) Active virtual cooperation during class will be awarded by up to 20 points, depending on the intensity and relevance of your communication (e.g., questions regarding administration won't be relevant for grading)

(4) To pass the exam/course successfully, you need 36 points.

Grades:

0-35: nicht genuegend/fail (5)
36-43: genuegend/pass (4)
44-53: befriedigend/satisfactory (3)
54-63: gut/good (2)
64-70: sehr gut/excellent (1)

Mindestanforderungen und Beurteilungsmaßstab

see above

Prüfungsstoff

all material covered by lecture notes (see moodle)

Literatur

Lecture notes

Bazaraa, M.S., Sherali, H.D., Shetty, C.M.: Nonlinear Programming: Theory and Algorithms, Wiley

Zuordnung im Vorlesungsverzeichnis

Modul: OMD

Letzte Änderung: Do 05.11.2020 17:48