Возможно, есть ошибка в презентации про выпуклые функции. На 6 слайде в критерии первого порядка должно быть m, а не m/2, по крайней мере, так в Жадане. Либо в определении выпуклой функции должно стоять тоже m/2. Еще, может быть, стоит включить второй критерий первого порядка в презентацию(там где скалярное произведение разности градиентов)?

1. Heavy-ball
2. Theory
3. Nesterov acceleration

Слайд 3. В первом определении выделил бы каким нибудь синим цветом части, относящиеся к строгой выпуклости (а не просто в скобках их напиши). В принципе нормально и так, но думаю если выделить цветом будет лучше.

Вогнутая функция --- я понял что там минус.... но... всё таки... я даже не знаю...

В определении выпуклой функции сделай новую строку перед \forall, чтобы строчки формального определения для выпуклой и сильно выпуклой функции шли... ну... параллельно, так проще понять, что изменилось только последнее слагаемое.

В остальном --- норм (ну еще там на слайде 5 используется ri(X), можешь поменять если хочешь).

Слайд 4. Примеры в виде задач в то время как внутри презентаций ничего такого не разбиралось (не было примера с решенной такой задачей). Тебя впору ненавидеть... как по мне --- бесполезные примеры.

Слайд 7. Опять таки... что поясняют эти примеры?

Короче не буду дальше расписывать. Как по мне тут есть методологическая ошибка состоящая в следующем --- как бы не был прост приём, давать на него задачу изначально не продемонстрировав его хоть на каком то примере плохо... как мне кажется.

Слайд 5. Логичный вопрос о том, являются ли оценки за контрольные более ценными. То есть идет ли усреднение с весами или нет.... ну я бы спросил. Усреднение усреднению рознь:)

Слайд 7. Я сначала не понял что ты хочешь сказать этим слайдом... потом понял.... мммм... я бы назвал его как то иначе, краткость сестра таланта и текущее название ему подходит... но для студентов я бы назвал его как-то без использования слова "методология"... возможно я не прав (либо же перед списком написал еще что-то сродни "Общие этапы решения задач:". Ну вот как то так).

Слайд 8. Вот этот вот пример не очень. Ты написал просто "выбор активов"... ну я как бы понял о чём это всё... но мне кажется без минимальных дополнительных комментариев студент может и не понять... Правда что-то такое у них должно было быть в терминах задач о рюкзаке... наверное.

Слайд 14. Что за магия?

Add in presentation compare the Frank-Wolfe and Projected gradient methods in case of problem with matrix domain

In Seminar 13 add interpretation of the Gradient Descent as the Euler scheme to solve ODE with negative gradient in right-hand side.

Add more than tableau implementation of simplex algorithm and compare performance and stability

Возможно, в тетрадке про внешние штрафы есть ошибка. Там на слайде с формулой для модифицированной функции Лагранжа в слагаемом для ограничений типа неравенств стоит 1 / (2 \mu) а должно быть \mu / 2

Добавить коммутативную диаграмму про переход к поэлементной записи и обратно, тем самым пояснив общую схему вычисления градиентов и гессианов и прочих матриц Якоби.

Самое начало. Постановка задачи --- все функции из произвольного класса?
Вопросы после общей итеративной схемы: 'Какие критерии основа могут быть?' --- эмм... что (видимо останова)?
Почему вообще останова вместо остановки... останова... как то странно звучит.

Остальное вроде норм.

Nit; Seminar 4, Slide 6, Farkas' lemma (both EN and RU versions): second system should contain p^T A \geq 0 instead of p A \geq 0 so that dimensionality matches ([1, m] x [m, n] vs. [m, 1] x [m, n]) as briefly discussed during the seminar.

In lecture 6 slide 6 last line, how should I understand symbol \bI?

Examples and interpretations.

Add numerical experiments for Klee-Minty example and large scale to compare primal, primal-dual and Simplex methods for linear programming

Слайд 6. Применение. Опечатка - "снизу".

А так вроде норм... ну тут одни формулировки.

Слайд 3. Твой ответ на вопрос "Зачем?" вызывает вопрос "Зачем?". В принципе, я думаю, народ уже должен осознавать зачем, но напомнить парой слов им об этом, наверное, не помешает (заодно они может быть подумают о том понимают ли они в данных случаях зачем им нужен такой вектор, может задумаются о чём нибудь).

Слайд 7. Я как то не совсем осознал что происходит вне зон определений на этом слайде... я бы даже сказал не что, а зачем это происходит?

I see you are writing Python code for gradient descent optimization. A general problem for gradient descent, particularly for more complex equations, is the choice of initial parameters to start the "descent" in error space. Without good starting parameters, the algorithm will stop in a local error minimum. For this reason the authors of scipy have added a genetic algorithm for initial parameter estimation for use in non-linear optimization. The module is named scipy.optimize.differential_evolution, and it uses the Latin Hypercube algorithm for a thorough search of parameter space.

I have used scipy's Differential Evolution genetic algorithm to determine initial parameters for fitting a double Lorentzian peak equation to Raman spectroscopy of carbon nanotubes and found that the results were excellent. The GitHub project, with a test spectroscopy data file, is:

https://github.com/zunzun/RamanSpectroscopyFit

If you have any questions, please let me know. My background is in nuclear engineering and industrial radiation physics, and I love Python, so I will be glad to help.

James Phillips

Слайд 5. Я бы выделил как то(красным цветом) изменения определений по сравнению с определениями на слайде 3 (там где вводятся определения аффинных множеств) дабы различия сразу были видны (и не надо было крутить назад).

Слайд 6. Кажется аффинное отображение у нас всегда называлось аффинным преобразованием... или ты что то другое имеешь ввиду?

Слайд 7. Примеры чего? Предыдущий слайд о преобразованиях... это точно не примеры преобразований... выпуклых множеств видимо? Или аффинных? Ответ конечно очевиден, но всё же.