及优化思路改进数 作业，书写风以及逻辑思 些随机锥能力 算法常用 基本的法 技巧 主成分 分析，奇 们的 机版本， 随机梯 度下降 选讲，从 强化学 习基本 概念或前沿课题介 无考核与 四数据同绍，培养学兰 9 面授 作业，主要培养学生对 部分化基本对新课题的 是前沿介沿课题的兴年 概念中兴趣 选部分 选讲 注1：建议按照教学周周学时编排，以便自动生成教学日历。 注2：相应章节的课程思政融入点根据实际情况填写。 ()平时作业60分 考核方式 (2)期末考试40分 (Grading) (③)可选课程项目分数可替换期未考试分数。 教材或参考溶： 讲义自编 料Textbooks2. 老 a.W.E,T.Li and E.Vanden-Eijnden,Applied Stochastic Analysis,AMS,2019 Materials) b.K.Law,A.Stuart,K.Zygalakis,Data Assimilation,Springer,2015 其它(More) 备注(Notes) 及优化 中的随 机算法， 基本的 主成分 分析，奇 异值分 解和它 们的随 机版本， 随机梯 度下降 等。 思路改进数 值线性代数 和优化 的 算 法 作业。书写 一些随机 算法常用 技巧 风以及逻辑思 维能力 第 四 部分 选讲，从 强化学 习基本 概念或 数据同 化基本 概念中 选部分 前沿课 题选讲 前沿课题介 绍，培养学生 对新课题的 兴趣 9 面授 无考核与 作业，主要 是前沿介 绍。 培养学生对前 沿课题的兴趣 1,2 注 1：建议按照教学周周学时编排，以便自动生成教学日历。 注 2：相应章节的课程思政融入点根据实际情况填写。 *考核方式 (Grading) （1）平时作业 60 分 （2）期末考试 40 分 （3）可选课程项目分数可替换期末考试分数。 *教材或参考资 料 (Textbooks & Other Materials) 1. 讲义自编 2. 参考书： a. W. E, T. Li and E. Vanden-Eijnden, Applied Stochastic Analysis, AMS, 2019 b. K. Law, A. Stuart, K. Zygalakis, Data Assimilation, Springer,2015 其它（More） 备注（Notes）