Séances de cours associées à Différenciation vectorielle et fonctions convexes

Couvre la méthode Gradient Descent, la fluidité des fonctions et les preuves liées à la convexité.

Optimisation du convex : Notation et normes matricielles

Introduit la notation Convex Optimization, les fonctions convexes, les normes vectorielles et les propriétés matricielles.

Mathématiques des données: Optimisation des bases

Couvre les bases de l'optimisation, y compris les normes, la continuité Lipschitz, et les concepts de convexité.

Descente de gradient plus rapide: Techniques d'optimisation projetées

Couvre des méthodes de descente de gradient plus rapides et une descente de gradient projetée pour une optimisation contrainte dans l'apprentissage automatique.

Mécanique: Introduction et Calcul

Présente la mécanique, le calcul différentiel et vectoriel, et les perspectives historiques d'Aristote à Newton.

Optimisation convexe : théorie et applications

Explore la théorie de l'optimisation convexe, couvrant les minima locaux et globaux, les fonctions convexes et les applications dans divers domaines.