Optimización convexa para el aprendizaje automático

Título original:

Convex Optimization for Machine Learning

Contenido del libro:

Este libro es una introducción a la optimización convexa, uno de los problemas de optimización más potentes y fáciles de resolver en un ordenador. El objetivo del libro es ayudar a desarrollar un sentido de lo que es la optimización convexa, y cómo se puede utilizar en una amplia gama de contextos prácticos, con un énfasis particular en el aprendizaje automático.

La primera parte del libro abarca conceptos básicos de conjuntos convexos, funciones convexas y definiciones básicas relacionadas que sirven para entender la optimización convexa y sus modelos correspondientes. La segunda parte trata de una teoría muy útil, llamada dualidad, que nos permite: (1) obtener conocimientos algorítmicos; y (2) obtener una solución aproximada a problemas de optimización no convexos que a menudo son difíciles de resolver. La última parte se centra en las aplicaciones modernas en el aprendizaje automático y el aprendizaje profundo.

Una característica definitoria de este libro es que relata sucintamente la "historia" de cómo la optimización convexa desempeña un papel, a través de ejemplos históricos y aplicaciones de aprendizaje automático de tendencia. Otra característica clave es que incluye la implementación mediante programación de una variedad de algoritmos de aprendizaje automático inspirados en los fundamentos de la optimización, junto con un breve tutorial de las herramientas de programación utilizadas.

La implementación se basa en Python, CVXPY y TensorFlow. Este libro no sigue una organización tradicional de libro de texto, sino que se racionaliza mediante una serie de apuntes de clase íntimamente relacionados, centrados en torno a temas y conceptos coherentes.

Sirve como libro de texto principalmente para un curso de licenciatura de nivel superior, aunque también es adecuado para un curso de postgrado de primer año. Los lectores se benefician de tener una buena formación en álgebra lineal, cierta exposición a la probabilidad y una familiaridad básica con Python.