Introduit un apprentissage profond, de la régression logistique aux réseaux neuraux, soulignant la nécessité de traiter des données non linéairement séparables.
Couvre les solutions numériques aux équations de Schrödinger, les simulations quantiques de Monte Carlo, les réseaux de tenseurs, les algorithmes quantiques et les approches d'apprentissage automatique.
Explore les réseaux neuronaux récurrents pour les données comportementales, couvrant le repérage de connaissances profondes, les réseaux LSTM, GRU, le réglage hyperparamétrique et les tâches de prévision de séries chronologiques.
Déplacez-vous dans la méthode variationnelle dans la théorie du champ quantique relativiste sans coupure, mettant l'accent sur les états faiblement enchevêtrés et la transition vers les états de produits matriciels continus relativistes.
