Zurück zur Auswahl
Semester | Frühjahrsemester 2025 |
Weitere Semesterveranstaltungen zu diesen KP |
67923-01 (Vorlesung) 67923-02 (Übung) |
Angebotsmuster | unregelmässig |
Dozierende | Aurelien Lucchi (aurelien.lucchi@unibas.ch, BeurteilerIn) |
Inhalt | This course provides an in-depth theoretical treatment of classical and modern optimization methods. Specifically, we will discuss the following concepts: Basic convex analysis Subgradient methods Gradient Descent Convergence rate for gradient-based methods Optimality and lower bounds Stochastic Optimization methods Non-convex Optimization |
Lernziele | - Equip students with a fundamental understanding of why optimization algorithms work, and what their limits are - Ability to select optimization algorithms for practical applications that students might encounter in their future career - Ability to understand and derive mathematical proofs for optimization algorithms |
Literatur | The first part of the class will cover some of the chapters discussed in the following books: Numerical Optimization, by Jorge Nocedal and Stephen J. Wright Convex Optimization: Algorithms and Complexity, by Sebastian Bubeck Convex Optimization, by Stephen Boyd and Lieven Vandenberghe The second part of the class will mostly be based on research papers. |
Bemerkungen | Exercise sessions will start the second week of the semester and will be scheduled every Monday (4.15pm to 6pm). |
Weblink | https://dmi.unibas.ch/de/studium/compute |
Teilnahmevoraussetzungen | A solid background in analysis and linear algebra; some background in theoretical computer science (computational complexity, analysis of algorithms); the ability to understand and write mathematical proofs. |
Unterrichtssprache | Englisch |
Einsatz digitaler Medien | kein spezifischer Einsatz |
Intervall | Wochentag | Zeit | Raum |
---|---|---|---|
wöchentlich | Mittwoch | 10.15-12.00 | Kollegienhaus, Hörsaal 119 |
Datum | Zeit | Raum |
---|---|---|
Mittwoch 26.02.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 05.03.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 12.03.2025 | 10.15-12.00 Uhr | Fasnachstferien |
Mittwoch 19.03.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 26.03.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 02.04.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 09.04.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 16.04.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 23.04.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 30.04.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 07.05.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 14.05.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 21.05.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Mittwoch 28.05.2025 | 10.15-12.00 Uhr | Kollegienhaus, Hörsaal 119 |
Module |
Doktorat Informatik: Empfehlungen (Promotionsfach: Informatik) Modul: Applications of Distributed Systems (Masterstudium: Computer Science) Modul: Applications of Machine Intelligence (Masterstudium: Computer Science) Modul: Concepts of Machine Intelligence (Master Studienfach: Computer Science) Modul: Concepts of Machine Intelligence (Masterstudium: Computer Science) Modul: Methods of Machine Intelligence (Masterstudium: Computer Science) Modul: Systems Foundations (Masterstudium: Data Science) |
Prüfung | Lehrveranst.-begleitend |
Hinweise zur Prüfung | Continuous assessment Note the following split: 30% homework 30% project (writeup and presentation) 40% written exam A 50% score on HW sets is required to participate in the final exam. Expected date: tba |
An-/Abmeldung zur Prüfung | Anm.: Belegen Lehrveranstaltung; Abm.: stornieren |
Wiederholungsprüfung | keine Wiederholungsprüfung |
Skala | 1-6 0,5 |
Belegen bei Nichtbestehen | beliebig wiederholbar |
Zuständige Fakultät | Philosophisch-Naturwissenschaftliche Fakultät, studiendekanat-philnat@unibas.ch |
Anbietende Organisationseinheit | Fachbereich Informatik |