杨宽 · 最优化方法修读档案

课程内容：跟上面那一条一样，这门课定位本身就是个待解之谜，似乎很多方法实用价值不是很高，不过至少我自己那时上起来还是觉得挺有意思。 上课自由度：高 考核标准：五次作业，一次作业大概六面A4纸的分量，复习加狂写一天左右就封顶。期末50%，今天期末跟去年掰手腕做了调整，出得比往年体面多了，计算量还凑合，更能吃到基本原理的落地应用，复杂证明/收敛性分析的身影很少，还分配了16分的概念判断。 授课质量：接着上面那一条：*江老师上课讲得很快，但是讲得很慢；杨老师上课讲得很慢，但是讲得很快*（这种车轮话我咋想不出来） 江老师那张嘴自带念经滤镜，稍稍一走神可能就真的lost了……，kuan的节奏比较缓，今年开讲会咔嚓跳过部分数学证明往下搭理论框架，感觉会稍微跟得住一些，好在两位老师的讲义都各有纸质和排版双份，复习和写作业基本是端着讲义的。

课程内容： 这门课从凸集和凸函数讲起，到线性优化，再到无约束的凸优化问题，再到有约束的凸优化问题。一路凸到底，凸得你怀疑人生，凸得你看见圆都觉得它不严谨。 上课自由度： 比较高，来的人应该不多。估计很大程度上是因为有讲义。翻译一下就是：签到是什么？没听说过！讲义在手，天下我有。 考核标准： 50%作业 + 50%考试。期末卷子均分80左右，平时基本都会给满。期末卷子不是很好评价，要求学生们化身为人形计算器（解很多很多的方程）。如果你觉得考试应该考察思路而不是体能训练，或者你对分数非常看重的话，建议移步近世代数。总而言之一句话：这里期末就是让你手算到冒火。 授课质量： 江老师上课讲得很快，但是讲得很慢；杨老师上课讲得很慢，但是讲得很快。 江老师的语速是非常快的，但是江老师会讲更多的例子便于理解；杨老师的语速是相对比较慢的，但基本就是大段大段的数学推导。翻译成人话：一个用1.5倍速撒糖喂例子杀你，一个用0.5倍速给你上推导刑。 不过总的而言，两位老师的水平是在线的。

上这课给你一条生存指南。 别把眼睛瞪裂了盯着证明对不对，试图去感受证明是怎么想出来的、方法背后动机是啥，学会走路比学会验脚印强。 老师给分很仁慈，这点可以放心。 还有，别把老师对难度的乐观估计当太真，他说简单，跟你做起来简不简单，那是两本故事书。

课程内容：凸集凸函数、线性规划、凸优化 上课自由度：高 考核标准：50%作业50%期末。 授课质量：高。就是江波老师语速跟开了二倍速似的，听着CPU过载有点累。 一个学期爬下来最大的感悟就是：不太确定这门课到底把自己摆在什么生态位。虽然 kuan 说这门课偏数学，但好多证明课上直接跳过（比如大部分收敛性分析），课上讲的证明也不作要求，然后作业完全成了高数和线代的简单练习题。考试更是纯纯的重量级，一道送分的证明之后紧跟着六道勾使计算（估计没人能算完）。如果要当数学课这么出卷，那多少有点说不过去。可如果说这门课的目标是面向应用，那又疑似太数学了，毕竟课上大把时间确实花在证证明明上，作业也压根没有代码的实践作业。不过这门课整体上下来还是很有收获的，给分也蛮不错的。

杨宽和江波老师合开的一门课，核心业务就是教你花式求解凸优化问题（i.e. 凸函数的最值问题），一整套经典方法给你端上来。两位老师上课风格略有不同。杨宽老师推公式那叫一个抽丝剥茧，细致到能让每一步推导都自己开口说话；江波老师直接上PPT，节奏嗖嗖的，稍快，但你要是能跟上，那种感觉也相当刺激。 之前有同学说这门课“非常的数学”。我再补一刀：这门课还“非常的应用”。很多数学课本质上是在研究不同事物的相同本质（i.e. 痴迷抽象），这门课完全反着来，非常具体，先甩给你一个大实际问题，然后抄起各种方法去单挑各种特例，再归纳总结经验。这种搞数学的路子，属实让我耳目一新。 总的来说，我个人还是比较喜欢这门课的，收获很多。关于成绩的话，期末考题量略大，大家考得好像也比较一般，而且卷面不调分，于是我就第一次见证了65%作业占比的“海底捞”。不过这终究是次要的。

课程内容：理论基础部分（数分线代复习、凸集、凸函数等），线性规划与对偶，凸优化的各种算法，对偶等，听上去像把数学系的祖传手艺全给你过一遍。 上课自由度：去不去线下课无所谓，做作业就行——主打一个线上云修仙。 考核标准：今年因为考题太难换了评分标准。本来是作业 40 考试 60 还是五五开，记不得了。考试……只能说复习了也算“如复”吧，主要考察数分基础，课上一半的内容没有涉及。今年题应该是杨宽老师或者助教出的，跟江波老师讲的基本上没啥关系（除了十分重要的 KKT）——KKT：这课我唯一的存在感。 授课质量：呃呃，讲义写得蛮好的。江波老师语速非常快，上课要跟上，稍微走神就像被高铁甩在站台。

杨宽老师和江波老师合上的课。 内容大概有： - 一些数分、线代相关的前置推导 - 凸函数 - 凸集合 - 线性规划、单纯形法 - 梯度下降、线搜索 - 牛顿迭代、damped newton - 近端梯度下降 - 投影梯度下降 - lagrange乘子法 - kkt - 内点法 - 对偶问题 值得注意的是这门课非常地数学，注意两个加粗字的“非常”：每落到一个方法，前置条件、正确性/充分性/必要性推导、收敛速度证明、几何意义，连坏例子都给数到，随此而来的是海量、肉眼可见的数学证明。建议数分和线代看不明白的同学、对分析天生过敏的人士，报名前请戴好救生圈。 作业两周一次，难度还算友善；评分标准似乎是作业和考试各占50%； ### 更新 我们这一届给分低得令人发指，平均分69.9，还是被诸位均分98的大佬给抬起来的。慎选！！！不然你就是抬轿子时汗水糊住眼睛的那个人。