优化与运筹学
围绕目标与凸性、算法与约束、离散决策与多目标理解概念与联系。先建立知识结构，视频讲解按审核情况逐步补充。
顺着知识，继续探索
梯度下降
梯度下降沿梯度反方向迭代，收敛依赖步长及函数光滑性等条件。
从不同角度理解
3分钟线性回归
3-Minute Data Science · 英语 · 讲解关联依据
已审核中文素材 v1：card「利用梯度下降法搜索系数」出现在 2:24——该片段将梯度下降可视化为一种最小化损失的方法：一个3D 碗状曲面表示损失关于参数的变化情况，一条红色路径则向最低点下降；与此同时，2D 拟合直线及显示的值同步更新，从而将参数空间中的下降过程与回归直线的变化联系起来。
继续探索邻近知识点
对偶理论与影子价格
每个线性规划都有对偶；紧约束的对偶值就是放宽一个单位带来的边际价值。
梯度
欧氏坐标中偏导数组成描述方向变化的梯度向量。
整数规划
要求部分变量取整数或 ，用来表达是否选择、计数与排序决策。
牛顿优化法
牛顿优化法利用梯度和黑塞矩阵构造局部二次步，常需全局化保护。
最优化
导数帮助寻找极值候选点，还须检查端点、定义域限制以及局部极值与全局极值的区别。