高等理论计算机科学

        该课程主要面向对理论计算机及相关学科有浓厚兴趣的研究生开课。要求选课同学有良好的计算机应用数学,算法设计, 机器学习基础。
    
        本课程为全英文授课，旨为介绍理论计算机科学的一些前沿的主题：近似算法、随机算法、计算复杂性、优化理论、机器学习理论，并就大家感兴趣的问题进行深入的探讨；通过专题探讨，帮助学生确立今后研究的方向，明确研究的目标。 

        课程将快速回顾关于凸优化和机器学习的基础知识：线性/逻辑回归，正则化，牛顿法，随机梯度下降（不同步，方差减少法），生成与歧视，方差与偏差。现有的机器学习和预测算法方面：k-nn，SVM，内核技巧，聚类，Adaboost，梯度提升，随机森林。在线学习和顺序预测方面：多臂老虎机问题，通用投资组合，乘法加权法，在线凸优化，基本时间序列。基于线性代数的学习算法方面：SVD，主成分分析（PCA），独立分量分析（ICA），非负矩阵分解（NMF），主题建模，矩阵完成，字典学习，张量法，谱聚类。

        教学方式以课堂授课、系列讲座为主，辅以专题讨论，由学生进行论文阅读训练和综述汇报，以期帮助选课学生明确今后的研究方向。