首先介绍机器学习、深度学习的基本概念、基本方法，其次介绍其中涉及的优化方法以及相关研究进展。

（1） 机器学习概述

（2） 机器学习中的四个基本任务：回归、分类、降维、聚类

（3） 深度学习概述：基础网络架构和损失函数设计

（4） 深度学习生成模型：GAN和扩散模型

（5） 深度学习中的对抗样本技术：基于优化的方法和基于生成模型的方法

（6） 优化方法概述：凸优化和非凸优化

（7） 面向机器学习的优化方法：GD、SGD、Adam

（8） 面向机器学习的优化研究进展：EoS、forward-invariance、定性研究

主讲人：李晓龙(北京交通大学，计算机与信息技术学院）