机器学习是关于从数据中建立预测或描述模型, 以提升机器解决问题能力的学科。在建立模型后, 需要采用适当的优化算法来求解模型的参数, 因此优化算法是机器学习的重要组成部分。但是传统的优化算法并不完全适用于机器学习, 因为通常来说机器学习模型的参数维度很高或涉及的样本数巨大, 这使得一阶优化算法在机器学习中占据主流地位。本书概述了机器学习中加速一阶优化算法的新进展。书中全面介绍了各种情形下的加速一阶优化算法, 包括确定性和随机性的算法、同步和异步的算法、带约束的问题和无约束的问题、凸问题和非凸问题, 对算法思想进行了深入的解读, 并对其收敛速度提供了详细的证明。并列题名：Accelerated optimization for machine learning first-order algorothms eng