在线凸优化导论，第二版（Introduction to Online Convex ...
Elad Hazan 是普林斯顿大学计算机科学教授。他的研究重点是机器学习和优化中基本问题的算法设计和分析。他的贡献包括共同发明了用于深度学习的 AdaGrad 算法，以及第一个用于凸优化的亚线性时间算法。他是贝尔实验室奖的获得者，2012 年和 2008 年两次获得 IBM 戈德堡最佳论文奖，欧洲研究委员会资助，玛丽居里奖学金和两次谷歌研究奖。他曾在计算学习协会的指导委员会任职，并担任 COLT 2015 的项目主席。 2017 年，他共同创立了 In8 inc。专注于高效优化与控制，2018年被谷歌收购，谷歌AI普林斯顿联合创始人兼董事。授课课程包括：
在线凸优化导论、机器学习优化等。
带领着普林斯顿理论机器学习小组。
研究领域包括：
Efficient optimization algorithmsfor machine learning,non-generative unsupervised and semi-supervised learning, online convex optimization and regret minimization in games.
早在2016年，Elad Hazan 就发布了《在线凸优化导论》的第一版：
Elad Hazan (2016), "Introduction to Online Convex Optimization", Foundations and Trends in Optimization: Vol. 2: No. 3-4, pp 157-325. http://dx.doi.org/10.1561/2400000013Introduction to Online Convex OptimizationElad Hazan (2016), "Introduction to Online Convex Optimization", Foundations and Trends in Optimization: Vol. 2: No. 3-4, pp 157-325. http://dx.doi.org/10.1561/2400000013
这本书是优化领域基本与趋势系统书籍中的一本：
2019年9月8日，作者在arXiv上发布了教学笔记《面向机器学习的优化》：
早前作者发布了本书的第二版：
2021年12月19日，作者在arXiv上上传了本书的第二版：
作为在线凸优化(Online Convex Optimization)理论的介绍，是作为一门研究生课程的基础教材编写的，可作为研究人员学习机器学习优化的参考。
在线学习是一门横跨统计学习理论、凸优化理论与博弈理论的前沿课题：
页:
[1]