Explore les algorithmes d'approximation pour l'allocation des ressources et les problèmes de conception du réseau, les algorithmes concurrentiels pour le problème de reconnaissance TCP, et les résultats expérimentaux.
Couvre les fondamentaux de l'optimisation d'entier, y compris la programmation d'entier, la programmation dynamique et les algorithmes d'approximation.
Couvre le sous-graphe le plus sparsest et le sous-graphe le plus Densest, en mettant l'accent sur les algorithmes de regroupement et d'approximation de corrélation.
Couvre les flux de données, le calcul de la mémoire sous-linéaire, la similarité des documents et les techniques de réduction des dimensions randomisées pour gérer efficacement les défis «Big Data».
Couvre l'architecture des transformateurs et les mécanismes d'attention subquadratiques, en se concentrant sur les approximations efficaces et leurs applications dans l'apprentissage automatique.
Explore l'analyse des systèmes de fermes non linéaires, couvrant les réponses de déplacement de force, les principes d'événement à événement et les algorithmes de solution.
Explore les solveurs laplaciens, couvrant des solutions approximatives, des applications, la conversion d'erreurs, et les avancées théoriques dans les méthodes de calcul.
