Blick ins Buch

Mathematical Optimization for Machine Learning

Proceedings of the MATH+ Thematic Einstein Semester 2023

Konstantin Fackeldey, Aswin Kannan, Sebastian Pokutta, Kartikey Sharma, Daniel Walter, Andrea Walther, Martin Weiser (Herausgeber)

Buch | Hardcover

X, 202 Seiten

2025
De Gruyter (Verlag)
978-3-11-137585-4 (ISBN)

Lese- und Medienproben

Inhaltsverzeichnis (PDF)
Blick ins Buch (midvox)

Artikel merken

Mathematical optimization and machine learning are closely related. This proceedings volume of the Thematic Einstein Semester 2023 of the Berlin Mathematics Research Center MATH+ collects recent progress on their interplay in topics such as discrete optimization, nonlinear programming, optimal control, first-order methods, multilevel optimization, machine learning in optimization, physics-informed learning, and fairness in machine learning.

M. Weiser, S. Pokutta, K. Sharma, ZIB, Germany; K. Fackeldey, TU Berlin; A. Kannan, D. Walter, A. Walther, Humboldt-Univ. Germany.

Erscheinungsdatum	09.04.2025
Reihe/Serie	De Gruyter Proceedings in Mathematics
Zusatzinfo	2 b/w and 53 col. ill., 27 b/w tbl.
Verlagsort	Berlin/Boston
Sprache	englisch
Maße	170 x 240 mm
Gewicht	485 g
Themenwelt	Mathematik / Informatik ► Mathematik ► Angewandte Mathematik
Schlagworte	Discrete Optimization • Diskrete Optimierung • machine learning • Maschinelles Lernen • Mathematical Optimization • Mathematische Optimierung • Nichtlineare Optimierung • Nonlinear Optimization • Physics informed learning • Physik-informiertes Lernen
ISBN-10	3-11-137585-4 / 3111375854
ISBN-13	978-3-11-137585-4 / 9783111375854
Zustand	Neuware