报告专家：林宙辰  教授（北京大学）

报告时间：2022.6.17~2022.7.22，20:00-21:00（北京时间）

报告地点：腾讯会议ID：

邀请⼈：   袁    景    浙江师范⼤学    教授

主持⼈：   唐晓颖    南⽅科技⼤学    教授

王珊珊    深圳先进研究院   研究员

摘要：优化算法是机器学习的重要组成部分，但是传统的优化算法并不完全适用于机器学习，因为通常来说机器学习模型的参数维度很高或涉及的样本数巨大，这使得一阶优化算法在机器学习中占据主流地位。本讲座概述了机器学习中加速一阶优化算法的新进展，将全面介绍各种情形下的加速一阶优化算法，包括确定性和随机性的算法、同步和异步的算法，以求解带约束的问题和无约束的问题、凸问题和非凸问题，对算法思想进行深入的解读，并对其收敛速度提供详细的说明。

报告人简介：林宙辰教授是机器学习和计算机视觉领域的国际知名专家，目前是北京大学智能学院机器感知与智能教育部重点实验室教授。他曾多次担任多个业内顶级会议的领域主席，包括CVPR、ICCV、ICML、NIPS/NeurIPS、AAAI、IJCAI 和ICLR，现任ICPR 2022程序共同主席、ICML 2022资深领域主席、NeurIPS 2022资深领域主席。他曾任IEEE Transactions on Pattern Analysis and Machine Intelligence 编委，现任International Journal of Computer Vision 和Optimization Methods and Software 的编委。他是CSIG、IAPR和IEEE 的会士。

讲座安排：

06/17 /2022   第一讲  前言与概览

06/24/2022    第二讲  无约束凸优化中的加速算法

07/01/2022    第三讲  带约束凸优化中的加速算法

07/08/2022    第四讲  非凸优化中的加速梯度算法

07/15/2022    第五讲  加速随机算法

07/22/2022    第六讲  加速并行算法