Proyecto: Implementación de método de optimización convexa con mínimos cuadrados, a través de descenso en gradiente estocástico
Este repo es complemento para el proyecto.
Integrantes:
-
Daniel Sharp
-
Christian Challu
-
Elizabeth Solis
Se seguirá la siguiente estructura de trabajo a lo largo del desarrollo del proyecto:
| Fecha | Descripción de entrega |
|---|---|
| 10/04/18 | Se hace lectura de los algorítmos de mínimos cuadrados y se elige uno. Se documenta investigación |
| 17/04/18 | Comienzo de escritura de texto escrito e implementación en C secuencial |
| 24/04/18 | Continuación de texto escrito y finalización de implementación secuencial |
| 02/05/18 | Comenzar implementación en un sistema paralelo (por definir) |
| 08/05/18 | Continuación de implentación, haciendo pruebas del código. Comenzar conclusiones en trabajo escrito |
| 15/05/18 | Comenzar presentación, finalizar detalles en trabajo escrito y en códigos de implementación |
| 22/05/18 | Entrega final y cierre de todos los documentos |
Referencias:
-
Boyd, S. P., & Vandenberghe, L. (2009). Convex optimization. Cambridge: Cambridge University Press.
-
Golub, G. H., & F., V. L. (1993). Matrix computations. Baltimore: The John Hopkins University Press.
-
Zinkevich, Weimer, Smola, Li. (2010). Parallelized Stochastic Gradient Descent. Neural Information Processing Systems (NIPS) Conference.