本科生/研究生课程
大数据优化/最优化理论与方法
课程简介：大数据优化/最优化理论与方法是运筹学、计算数学、应用数学和机器学习等研究方向的一门核心课程。最优化问题通常需要对实际需求进行定性和定量分析，建立恰当的数学模型来描述该问题，设计合适的计算方法来寻找问题的最优解，探索研究模型和算法的理论性质，考察算法的计算性能等。已被广泛应用于科学与工程计算、数据科学、机器学习、人工智能、图像和信号处理、金融和经济、管理科学等众多领域。通过本课程的学习，掌握最优化的基本概念，最优性理论，典型的几类最优化问题（如凸优化，无约束优化，约束优化，复合优化等）的建模或判别，相关优化问题的基本计算方法，并能熟练调用基于Python等语言的典型优化软件程序求解一些标准的优化问题，灵活运用所讲授的算法和理论求解一些非标准的优化问题。
统计机器学习
课程简介：机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸优化等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是一种通过算法和模型使计算机从数据中自动学习并进行预测或决策的技术。