Introduit l'analyse des composantes principales, en mettant l'accent sur la maximisation de la variance dans les combinaisons linéaires pour résumer efficacement les données.
Couvre les méthodes d'optimisation, les garanties de convergence, les compromis et les techniques de réduction de la variance en optimisation numérique.
Couvre les bases des tenseurs, y compris leur définition, leurs propriétés et leur décomposition, en commençant par un exemple motivant impliquant des distributions gaussiennes.
