Caricamento in corso...
Ottimizzazione numerica per problemi di grandi dimensioni . Applicazioni a problemi di data science
01TBURT
A.A. 2020/21
Lingua dell'insegnamento
Italiano
Corsi di studio
Dottorato di ricerca in Matematica Pura E Applicata - Torino
Organizzazione dell'insegnamento
| Didattica | Ore |
|---|---|
| Lezioni | 15 |
Docenti
| Docente | Qualifica | Settore | h.Lez | h.Es | h.Lab | h.Tut | Anni incarico |
|---|---|---|---|---|---|---|---|
| Pieraccini Sandra | Professore Ordinario | MATH-05/A | 15 | 0 | 0 | 0 | 2 |
Collaboratori
Didattica
| SSD | CFU | Attivita' formative | Ambiti disciplinari | *** N/A *** |
|---|
Il corso riguarderà metodi numerici per problemi di ottimizzazione non vincolata e vincolata di dimensioni
elevate. In particolare verranno discussi, sia dal punto di vista teorico che applicativo, metodi del gradiente e
metodi a punto interno per diverse classi di problemi di ottimizzazione. Si discuterà inoltre l’applicabilità dei
metodi ad alcuni problemi di data science.
The course will focus on numerical method for large scale unconstrained and constrained optimization problems.
In particular, we will discuss gradient methods and interior point methods for several classes of optimization
problems, addressing both theoretical and implementation issues. Application to data science problems will be discussed.
--
--
- Metodi del gradiente
- Metodi a punto interno per problemi di ottimizzazione lineare e quadratica
- Aspetti implementativi legati a problemi di grandi dimensioni:
- Applicazione a problemi di Data Science
- Gradient methods
- Interior Point Methods for linear and quadratic programming problems
- Implementation issues related to large scale problems
- Data Science Applications
Modalità mista
Mixed mode
Presentazione orale
Oral presentation
P.D.2-2 - Maggio
P.D.2-2 - May