哈佛 CS128 / AM122 凸优化在机器学习中的应用

课程名称： Convex Optimization and Applications in Machine Learning
官方入口： Harvard CS Advising 课程标签页
课程层级： 本科高年级 / 研究生入门
先修要求： 线性代数、概率、多变量微积分
重要程度： ※※※※☆

课程定位

CS128 / AM122 是 Harvard 路线里最直接面向 ML 的优化课。它不是一般工程优化概览，而是强调 凸优化为什么成为现代机器学习的基本工具。

核心内容

• 凸集、凸函数、KKT 条件
• 对偶性与最优化问题结构
• 梯度方法、近端方法等基础算法
• 稀疏学习、回归、分类中的优化应用

适合谁

• 已经学过线代和概率
• 想在读 ML 课之前先把最优化语言搞明白