Explore le chaos dans les théories quantiques des champs, en se concentrant sur la symétrie conforme, les coefficients OPE et l'universalité de la matrice aléatoire.
Explore la maximisation des marges pour une meilleure classification à l'aide de machines vectorielles de support et l'importance de choisir le bon paramètre.
Introduit le cours sur le transport optimal, couvrant le contexte historique, les concepts de mesures de poussée, les cartes de transport et le problème Kantorovich.
Introduit Manopt, une boîte à outils pour l'optimisation sur les manifolds, couvrant le gradient et les contrôles hessiens, les appels de solveur et la mise en cache manuelle.
Couvre les fondamentaux de l'optimisation d'entier, y compris la programmation d'entier, la programmation dynamique et les algorithmes d'approximation.
Introduit des machines vectorielles de support, couvrant la perte de charnière, la séparation hyperplane et la classification non linéaire à l'aide de noyaux.
Explore l'importance des contraintes actives dans l'optimisation linéaire, en montrant comment elles influencent la simplification des problèmes en se concentrant sur les contraintes pertinentes.
Couvre la généralisation du problème du modèle en mécanique structurelle et explore les équations déquilibre et le lien entre la force normale et le déplacement.
