最优化理论是运筹学理论基础之一，同时很多机器学习中的问题可以归结为一个优化问题并用相应的优化算法来进行求解。本课程主要介绍一些最优化的基础模型、理论、算法及应用。具体地，我们主要讲解线性规划、二次优化等模型以及这些模型在机器学习、收益管理、推荐系统的设计、组合投资问题等问题中的应用。我们还将讲解凸分析、拉格朗日对偶理论、最优性条件等最优化问题的基础理论，以及单纯形法、内点法、各种适用于大规模问题的一阶算法、牛顿法及其变种、机器学习中的常用算法：随机梯度下降法、Nesterov加速算法、交替方向乘子法等算法。经过本课程的学习，希望使同学们了解一些优化的基础知识，具备一定的优化思维，了解一些运筹学的具体问题，掌握一些运筹学的建模技巧。运用相关算法来求解一些实际生活中的大数据问题。