Universität Wien

053612 VU Optimisation Methods for Data Science (2023W)

4.00 ECTS (3.00 SWS), SPL 5 - Informatik und Wirtschaftsinformatik
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Montag 02.10. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 05.10. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 09.10. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 12.10. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 16.10. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 19.10. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 23.10. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 30.10. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 06.11. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 09.11. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 13.11. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 16.11. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 20.11. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 23.11. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 27.11. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 30.11. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 04.12. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 07.12. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 11.12. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 14.12. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 08.01. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 11.01. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 15.01. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 18.01. 11:30 - 13:00 Seminarraum 7, Währinger Straße 29 1.OG
  • Montag 22.01. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG
  • Donnerstag 25.01. 11:30 - 14:45 Hörsaal 3, Währinger Straße 29 3.OG
  • Montag 29.01. 09:45 - 11:15 Seminarraum 7, Währinger Straße 29 1.OG

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

The lectures will be held in presence.

This course will give an overview of modern optimization methods and their applications in data science.

Contents:
- Fundamentals of convex analysis
- First-order methods: gradient descent, subgradient method, acceleration, adaptivity, etc.
- Stochastic first-order methods: stochastic gradient descent, variance reduction.
- Higher-order methods: Newton's method, quasi-Newton method.

Art der Leistungskontrolle und erlaubte Hilfsmittel

(1) a written exam at the end of the semester (in person)
(2) 2-3 long homeworks during semester
(3) bonus points for active participation during classes

The date for the exam is January 25, 2024.

Mindestanforderungen und Beurteilungsmaßstab

Exam: 50%
Exercises: 50%

Precentage/Grades:

0-53: nicht genuegend/fail (5)
54-65: genuegend/pass (4)
66-77: befriedigend/satisfactory (3)
78-89: gut/good (2)
90-100: sehr gut/excellent (1)

Prüfungsstoff

all material covered during lectures

Literatur

1. A. Beck "First-Order Methods in Optimization".
2. Optimization for Machine Learning lecture notes by Martin Jaggi EPFL and Bernd Gärtner, ETH
https://raw.githubusercontent.com/epfml/OptML_course/master/lecture_notes/lecture-notes.pdf
3. Stephen Boyd and Lieven Vandenberghe. "Convex Optimization", https://web.stanford.edu/~boyd/cvxbook/.

Zuordnung im Vorlesungsverzeichnis

Modul: OMD

Letzte Änderung: Do 18.01.2024 16:25