文章须知
文章作者：计算机科学讲义
责任编辑：苏向阳
审核编辑：阿春
微信编辑：玖蓁
本文转载自公众号 计算机科学讲义
（ID：SpringerLNCS）

原文链接：新书介绍 | Accelerated Optimization for ML: First-Order Algorithms

作者：计算机科学讲义

编者按

虽然已有两三本专门介绍机器学习中的优化算法的专著和教材，但本书是第一本完整介绍机器学习中的一阶加速优化算法的著作。书中全面介绍了各种情形下的一阶加速优化算法，对算法思想进行了深入的解读，并对其收敛速度提供了详细的证明。

机器学习是关于从数据中建立预测或描述模型，以自我提升机器解决问题能力的学科。在建立模型后，需要采用适当的优化算法来求解该模型的参数，因此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参数维度很高或涉及样本数巨大，这导致一阶优化算法在机器学习中占据主流地位。虽然已有两三本专门介绍机器学习中的优化算法的专著和教材，但本书是第一本完整介绍机器学习中的一阶加速优化算法的著作。书中全面介绍了各种情形下的一阶加速优化算法，对算法思想进行了深入的解读，并对其收敛速度提供了详细的证明。

https://link.springer.com/book/10.1007/978-981-15-2910-8 (二维码自动识别)

本书全面概述了机器学习中一阶加速优化算法的最新进展。书中讨论了针对不同情形的各种方法，包括确定性和随机性的算法、同步和异步的算法、适用约束的问题和无约束的问题、凸问题和非凸问题。本书从概念、理论、证明各方面做了系统阐述，致力于提供自成体系的介绍。本书可作为对机器学习和优化感兴趣的教授、学生或工程师的阅读材料和参考书。

林宙辰，机器学习和计算机视觉领域全球知名专家。北京大学教授，博士生导师。林教授曾担任包括CVPR、ICCV、ICML、NIPS、AAAI、IJCAI等国际顶级会议领域主席。他曾是IEEE Transactions on Pattern Analysis and Machine Intelligence的编委，现任Springer旗下期刊International Journal of Computer Vision的编委。林教授是IAPR Fellow和IEEE Fellow.

李欢，南京航空航天大学助理教授，主要从事优化和机器学习等领域的研究工作。

方聪，普林斯顿大学博士后，主要从事机器学习和优化等领域的研究工作。

Michael I. Jordan (University of California)

Any researcher wishing to work in the machine learning field should have a foundational understanding of the disciplines of statistics and optimization. The current book is an excellent place to obtain the latter and to begin one’s adventure in machine learning.

Zongben Xu (Xi’an Jiaotong University)

The book first gives an overview on the development of accelerated first-order algorithms, which is extremely informative, despite being sketchy. Then, it introduces there presentative works in different categories, with detailed proofs that greatly facilitate the understanding of underlying ideas and the mastering of basic techniques. Without doubt, this book is a vital reference for those who want to learn the state of the art of machine learning optimization.

Zhi-Quan Luo (The Chinese University of Hong Kong)

The topics covered and the results given in the monograph are very timely and strongly relevant to both the researchers and practitioners of machine learning, signal processing, and artificial intelligence.