Convex Optimization with Applications to Machine Learning

Topic outline

• Select topic General

  General

  Collapse all Expand all
  • Select activity Ανακοινώσεις

    

    Ανακοινώσεις Forum

    Εδώ αναρτώνται οι γενικές ανακοινώσεις από τους διδάσκοντες προς τους εγγεγραμμένους φοιτητές, οι οποίοι τις λαμβάνουν και στην ηλεκτρονική τους διεύθυνση.
    
    
  • Select activity Forum Ερωτήσεων/Απαντήσεων

    

    Forum Ερωτήσεων/Απαντήσεων

    Σε αυτό το forum, μπορεί οποιοσδήποτε εγγεγραμμένος φοιτητής να αναρτά ερωτήσεις σχετικές με το μάθημα και να λαμβάνει απαντήσεις από τους διδάσκοντες. Οι ερωτήσεις και οι απαντήσεις θα είναι διαθέσιμες σε όλους τους φοιτητές. 

    Οι φοιτητές μπορούν να δηλώσουν με την εγγραφή τους αν θέλουν να ενημερώνονται για τις αναρτώμενες ερωταπαντήσεις.

    
    

• Select topic Διδάσκοντες - Βοηθοί Διδασκαλίας

  Διδάσκοντες - Βοηθοί Διδασκαλίας

  • Κωνσταντίνος Χρυσαφίνος, Καθηγητής ()
  • Δημήτρης Φωτάκης, Καθηγητής ()

  
  

  Ώρες Γραφείου Διδασκόντων

  • Κωνσταντίνος Χρυσαφίνος: Δευτέρα & Πέμπτη 10:30-11:30 (Γραφείο 2-17, Κτ. Ε).
    
  • Δημήτρης Φωτάκης: Τετάρτη 14:00 - 15:00, στο γραφείο 1.1.10, (Παλαιό) Κτήριο Ηλεκτρολόγων.

  
  
• Select topic Γενικές Πληροφορίες - Διαλέξεις

  Γενικές Πληροφορίες - Διαλέξεις

  Το μάθημα προσφέρεται στα πλαίσια του ΔΠΜΣ "Επιστήμη Δεδομένων και Μηχανική Μάθηση" (ΕΔΕΜΜ), του ΔΠΜΣ "Αλγόριθμοι, Λογική και Διακριτά Μαθηματικά" (ΑΛΜΑ) και του Διδακτορικού Προγράμματος της ΣΗΜΜΥ ΕΜΠ. 
  

  Οι διαλέξεις του μαθήματος γίνονται κάθε Δευτέρα, ώρα 15:10-18:00, στο Νέο Κτήριο Ηλεκτρολόγων, Αίθουσα 003.

  Η πρώτη διάλεξη για το εαρινό εξάμηνο 2024 θα γίνει την Τετάρτη 14 Φεβρουαρίου.
  

  
  

  
  
• Select topic Βιβλιογραφία - Σχετικά Μαθήματα

  Βιβλιογραφία - Σχετικά Μαθήματα
  
  

  • Shai Shalev-Shwartz and Shai Ben-David. Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press, 2014.
  • Shai Shalev-Shwartz. Online Learning and Online Convex Optimization. Foundations and Trends in Machine Learning. Vol. 4(2): 107–194, 2011. 
  • Elad Hazan. Introduction to Online Convex Optimization. Foundations and Trends in Optimization. Vol. 2(3-4): 157-325, 2015.
  • Διαλέξεις@youtube του Machine Learning μαθήματος από τον Shai Ben-David, University of Waterloo, 2015.
  • Μάθημα Machine Learning από τον Shai Shalev-Shwartz, The Hebrew University of Jerusalem, 2014. 

  
  
• Select topic Εκπαιδευτικό Υλικό - Προτεινόμενη Μελέτη

  Εκπαιδευτικό Υλικό - Προτεινόμενη Μελέτη

  Σημειώσεις μαθημάτων μέχρι και την 4η βδομάδα (δεν συμπεριλαμβάνονται κάποιες από τις ασκήσεις που έγιναν στον πίνακα).
  

  • Select activity Σημειώσεις: Εισαγωγή

    

    Σημειώσεις: Εισαγωγή File

    454.8 KB Έγγραφο PDF
  • Select activity Σημειώσεις: Αναγκαίες & Ικανές Συνθήκες

    

    Σημειώσεις: Αναγκαίες & Ικανές Συνθήκες File

    549.8 KB Έγγραφο PDF
  • Select activity Σημειώσεις: Αριθμητικές Μέθοδοι 1

    

    Σημειώσεις: Αριθμητικές Μέθοδοι 1 File

    528.2 KB Έγγραφο PDF
  • Select activity Αριθμητικές Μέθοδοι 3

    

    Αριθμητικές Μέθοδοι 3 File

    663.6 KB Έγγραφο PDF
  • Select activity Αριθμητικές Μέθοδοι 2

    

    Αριθμητικές Μέθοδοι 2 File

    512.9 KB Έγγραφο PDF
• Select topic Διαλέξεις - Διαφάνειες - Υλικό

  Διαλέξεις - Διαφάνειες - Υλικό

  • Διάλεξη 14/2/2024: Διαδικαστικά θέματα. Εισαγωγή.
  • Διάλεξη 8/4/2024: Οnline learning, αλγόριθμος υποδιπλασιασμού, εκμάθηση διαζεύξεων, regret, no-regret αλγόριθμοι, weighted majority algorithm and randomized weighted majority algorithm, no-regret, εφαρμογές. PAC learning, no-free-lunch theorem, Empirical Risk Minimization (ERM). 
  • Προτεινόμενη μελέτη: 
  • Διαφάνειες διάλεξης.
  • Διαφάνειες Shalev-Shwartz: set1 και set2.
  • Κεφάλαια 1-4 και 6 από Understanding Machine Learning.
  • Survey του Avrim Blum για χρήση online αλγορίθμων για μάθηση και σημειώσεις για τους αλγόριθμους weighted majority και randomized weighted majority (και κάποιες επιπλέον σημειώσεις: 1ο μέρος και 2ο μέρος).
    

  • Διάλεξη 15/4/2024: PAC learning, Empirical Risk Minimization (ERM), VC-dimension, agnostic PAC learning (επανάληψη), learning via uniform convergence, non-uniform convergence, bias-complexity tradeoff, loss functions, ERM and convex optimization.  Οnline learning, regret, no-regret αλγόριθμοι, Follow the Leader (FTL) και Be the Leader BTL) (ορισμός και ανάλυση του regret).
    • Προτεινόμενη μελέτη: 
      • Διαφάνειες διάλεξης:  set1και set2. 
      • Διαφάνειες Shalev-Shwartz:  set2 και set3 (χωρίς το κομμάτι του Linear Regression).
      • Σημειώσεις Β. Συργκάνη. 
        

  
  

  • Διάλεξη 22/4/2024: Online learning, regret, no-regret αλγόριθμοι, Follow the Leader (FTL) και Be the Leader BTL) (ορισμός και ανάλυση του regret, επανάληψη). Ο ρόλος της ισχυρής κυρτότητας στην ευστάθεια αλγορίθμων της μορφής Follow the Leader, regularization, Follow the Regularized Leader (FTRL, ορισμός, παραμετροποίηση με βάση τον regularizer, ανάλυση του regret). Οnline convex optimization, βασική ανάλυση της Gradient Descent για convex συναρτήσεις.
  • Προτεινόμενη μελέτη: 
  • Διαφάνειες διάλεξης (set1 και set2). 
  • Tutorial του Elad Hazan, Optimization and Machine Learning.  
  • Σημειώσεις Μ. Ζαμπετάκη. 
  • Σημειώσεις Β. Συργκάνη. 
  • Κεφάλαιο 1 και ενότητες 2.1 - 2.5 από Online Learning and Online Convex Optimization.

  
  
  

  
  
• Select topic Γραπτές Ασκήσεις

  Γραπτές Ασκήσεις

  • Θα ανακοινωθούν δύο (2) σειρές γραπτών ασκήσεων. 
  • Οι γραπτές ασκήσεις υποβάλλονται στη σελίδα του μαθήματος, στο helios. Δεν γίνεται δεκτή η παράδοση ασκήσεων με e-mail.

  
  

  Εκφωνήσεις Γραπτών Ασκήσεων

  • 1η σειρά γραπτών ασκήσεων. Προθεσμία υποβολής: 12/5/2024. 
  • 2η σειρά γραπτών ασκήσεων. Προθεσμία υποβολής (ενδεικτικά): 25/5/2024. 
    

  
  

  • Select activity Υποβολή 1ης σειράς ασκήσεων

    

    Υποβολή 1ης σειράς ασκήσεων Assignment

    Opened: Wednesday, 17 April 2024, 12:00 AM

    Due: Sunday, 12 May 2024, 11:59 PM