Discute des techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la descente de gradient stochastique et ses applications dans les problèmes contraints et non convexes.
Explore les algorithmes d'optimisation primal-dual pour les problèmes de minimax convexe-concave, en discutant des propriétés de convergence et des applications.
Explore les systèmes de contrôle moteur, couvrant les algorithmes, l'intégration de capteurs et les applications pratiques en robotique et en automatisation.
