课程概况

本课程重点讲授大数据相关的矩阵优化最新进展，内容包括：数据的相似性和差异性及其两类优化模型刻画；矩阵优化的两类重要方法：SDP凸松弛方法和非凸优化逼近方法；低秩矩阵优化方法。

戚厚铎（Qi Houduo）教授简介

英国南安普顿大学数学科学学院教授，英国的国家大数据科学研究中心艾伦图灵研究所的图灵研究员。担任SCI杂志：Asia-Pacific Journal of Operational Research主编，Mathematical Programming Computation和Journal of Operational Research Society of China的副主编。主持英国皇家学会项目等科研课题4项；在Math.Program., SIAM J. Optimization，IEEE Trans. Signal Process.等国际顶级期刊上发表论文数十篇，对矩阵优化等大数据问题研究取得很多世界水平的重要成果，其讲授的课程内容代表矩阵优化学科的最新进展和世界水平。

时间安排

8月27日（星期二），8:30-11:30，Data: Similarity vs Dissimilarity

8月27日（星期二），14:30-17:30，Two Matrix Optimization Problems（I）8月28日（星期三），8:30-11:30，Two Matrix Optimization Problems（II）

8月28日（星期三)，14:30-17:30，EDM Optimization: Convex relaxation

8月29日（星期四)，8:30-11:30, EDM Optimization: Nonconvex approach

8月29日（星期四），14:30-17:30，Low-rank matrix optimization

地点：数学与计量经济学院203报告厅

联系人：数学院白敏茹（15211096363）

欢迎硕士研究生、博士研究生和教师参加听课