課程資訊
課程名稱
訊號處理和機器學習之數學基礎
Mathematics in Signal Processing and Machine Learning 
開課學期
111-1 
授課對象
理學院  數學研究所  
授課教師
黃文良 
課號
MATH5246 
課程識別碼
221 U8820 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期四7,8,9(14:20~17:20) 
上課地點
天數302 
備註
總人數上限:40人 
 
課程簡介影片
 
核心能力關聯
本課程尚未建立核心能力關連
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

The main theme is to teach convex analysis for signal processing and machine learning. I will follow basically the stanford lecture note EE 236C. I will cover:
1. Convex function and gradient method
2. Convergence rate and strongly convex function
3. Conjugate function and subgradient
4. Directional derivation, subgradient calculation and method
5. Proximal point method and proximal gradient method for sparse inverse problems
6. Constrained optimization (Convex optimization book) and Lagrangian method
7. Penalty method and augmented Lagrangian method
8. Alternating direction method of multipliers
9. Variational inequality, block coordinate descent.
10. Smooth and Moreau envelope
11. Concensus and SVM and Acceleration 

課程目標
After this lecture, the students will be able to read papers related to convex analysis. 
課程要求
Students like mathematics. 
預期每週課後學習時數
 
Office Hours
另約時間 備註: Please send email to whwang@iis.sinica.edu.tw or meet me before/after classes. 
參考書目
Stanford lecture note ECE236C
Convex optimization by Boyd and VAndenberghe 
指定閱讀
 
評量方式
(僅供參考)
   
針對學生困難提供學生調整方式
 
上課形式
提供學生彈性出席課程方式
作業繳交方式
書面報告取代口頭報告
考試形式
考試取代書面(口頭)報告
其他
由師生雙方議定
課程進度
週次
日期
單元主題
第1週
9/8  Preparation 
第2週
9/15  Convex functions and gradient methods