林宙辰教授报告的题目为“机器学习中的一阶优化方法（First-Order Optimization Methods in Machine Learning）”。报告首先综述了机器学习领域中的零阶、一阶和二阶优化方法，以及各类算法的收敛性质，着重分析了一阶优化方法在收敛速度、存储与计算效率方面的优越性，并认为一阶方法是机器学习里面一个主流的学习方法。然后，林教授总结了一阶方法的研究进展，指出为了应对大数据情形下的机器学习发展需求，优化算法应具有“去中心化”、“异步并行”等优良特性，林教授还分享了在线性化ADMM算法以及异步并行ADMM算法等方面的优秀工作。报告最后，林教授指出，未来的机器学习应该集中在更大规模的分析和量子计算两个方面。

报告结束，林宙辰教授与信控院师生就一阶优化方法的相关问题展开了热烈的学术讨论和交流。通过此次学术活动，拓展了我院师生的学术视野，营造了良好的学术氛围。