Optimización no convexa para el aprendizaje automático

Título original:

Non-convex Optimization for Machine Learning

Contenido del libro:

Optimización no convexa para el aprendizaje automático aborda en profundidad los fundamentos de la optimización no convexa con aplicaciones al aprendizaje automático. Introduce la rica literatura en esta área, además de equipar al lector con las herramientas y técnicas necesarias para analizar estos sencillos procedimientos para problemas no convexos.

Non-convex Optimization for Machine Learning es lo más autocontenido posible sin perder de vista el tema principal de las técnicas de optimización no convexas. Se dedican capítulos enteros a presentar un tratamiento tipo tutorial de los conceptos básicos del análisis y la optimización convexos, así como de sus contrapartidas no convexas. Como tal, esta monografía puede utilizarse para un curso semestral sobre los fundamentos de la optimización no convexa con aplicaciones al aprendizaje automático. Por otro lado, también es posible seleccionar partes individuales, como el capítulo sobre recuperación dispersa o el algoritmo EM, para incluirlas en un curso más amplio. Varios cursos, como los de aprendizaje automático, optimización y procesamiento de señales, pueden beneficiarse de la inclusión de estos temas.

Optimización no convexa para el aprendizaje automático concluye con una mirada a cuatro aplicaciones interesantes en las áreas de aprendizaje automático y procesamiento de señales y explora cómo las técnicas de optimización no convexas introducidas anteriormente pueden utilizarse para resolver estos problemas.