Gracias por la A2A.
Soy parcial, pero el libro de Stephen es una excelente introducción:
Optimización Convexa – Boyd y Vandenberghe
Es completamente gratis. Uno de sus estudiantes graduados también construyó una página web para ayudar a explicar algunas de las herramientas “mágicas” detrás de CVX que reconocen la convexidad (programación convexa disciplinada):
- ¿Cuál es el mejor libro de Matemáticas para el IBPS PO?
- ¿Cuáles son algunos buenos libros sobre teoría de la probabilidad y sus fundamentos matemáticos / filosóficos?
- La declaración “si y solo si” aparece a menudo en los libros de matemáticas. Qué significa eso? ¿Por qué no usamos ‘solo si’?
- ¿Qué libros debo estudiar para mejorar mis conocimientos en matemáticas?
- ¿Cuáles son algunos grandes libros sobre la relación entre el arte y las matemáticas?
Casa
Puede probar su capacidad para reconocer la convexidad con esa página. Estoy seguro de que hay otros libros gratuitos, pero yo empezaría allí. La primera parte del libro ofrece un torbellino de análisis convexo: si quieres más de eso, leería Rockafellar.
Mi percepción con el ML moderno es que los métodos de segundo orden no están de moda (ni se intentaron); además, la “solución óptima” no parece ser contra lo que las personas miden las soluciones, por lo que probablemente querrá leer más. Métodos de primer orden. Desafortunadamente, no conozco ningún libro de texto gratis en esa área. Sin embargo, hay una tonelada de diapositivas y artículos sobre el descenso del gradiente estocástico, los operadores proximales y la teoría del operador monótono.
La convexidad parece ser menos importante en el ML (aprendizaje profundo) en estos días; en cambio, parece que necesitamos una mejor comprensión y caracterización de los puntos de silla.
De todos modos, espero que ayude.