Introduction to Convex Optimization (บทนำสู่การปรับให้เหมาะสมแบบนูน)

การปรับให้เหมาะสม (Optimization) คือกลไกเบื้องหลังที่ขับเคลื่อนการเรียนรู้ของเครื่อง (machine learning) วิศวกรรมศาสตร์ และวิทยาการข้อมูลสมัยใหม่ การเข้าใจวิธีจัดทำรูปแบบและแก้ปัญหา convex optimization จะช่วยให้คุณสามารถสร้างอัลกอริทึมที่มีประสิทธิภาพยิ่งขึ้น และตัดสินใจโดยอิงตามข้อมูลได้ดีขึ้น คอร์สเรียนรูปแบบการอ่านนี้จะนำคุณตั้งแต่พื้นฐานทางคณิตศาสตร์ไปจนถึงการใช้งานอัลกอริทึมจริง คุณจะได้เรียนรู้วิธีการระบุ convex functions การตั้งปัญหา optimization และการใช้ตัวแก้ปัญหามาตรฐานเพื่อหาคำตอบที่ดีที่สุด สิ่งที่คุณจะได้เรียนรู้: 1. เข้าใจแนวคิดพื้นฐานของ convexity, objective functions และข้อจำกัดทางคณิตศาสตร์ (constraints) 2. ระบุ convex sets และ functions เพื่อพิจารณาว่าปัญหานั้นมีจุดต่ำสุดแบบ global minimum ที่รับประกันได้หรือไม่ 3. ประยุกต์ใช้ gradient descent และรูปแบบปรับปรุงสมัยใหม่ที่ใช้ใน machine learning 4. จัดทำรูปแบบปัญหาในโลกจริงทางวิศวกรรมและวิทยาการข้อมูลให้เป็นโมเดล convex optimization 5. แก้ปัญหา optimization โปรแกรมมิ่งโดยใช้ไลบรารี Python สมัยใหม่ เช่น CVXPY 6. วิเคราะห์การลู่เข้า (convergence) และประสิทธิภาพของอัลกอริทึม optimization ต่างๆ คุณจะได้เริ่มต้นจากคำนิยามทางคณิตศาสตร์หลักและสัญชาตญาณทางเรขาคณิต ก่อนที่จะขยับไปสู่เทคนิคการปรับให้เหมาะสมแบบ unconstrained และ constrained คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้นในด้านวิทยาการข้อมูล วิศวกรรมศาสตร์ หรือคณิตศาสตร์ประยุกต์ ที่ต้องการความรู้ความเข้าใจที่มั่นคงเกี่ยวกับ optimization การมีความรู้พื้นฐานด้านพีชคณิตและ Python จะช่วยได้มาก แต่ไม่จำเป็นต้องมีพื้นฐานคณิตศาสตร์ชั้นสูง เริ่มอ่านวันนี้เพื่อปลดล็อกหัวใจทางคณิตศาสตร์ของการออกแบบอัลกอริทึมสมัยใหม่