Explore des méthodes directes et itératives pour résoudre des équations linéaires, en mettant l'accent sur les matrices symétriques et le coût de calcul.
Explore des techniques d'optimisation telles que la descente de gradient, la recherche de lignes et la méthode de Newton pour une résolution efficace des problèmes.
Explore les méthodes d'optimisation dans l'apprentissage automatique, en mettant l'accent sur les gradients, les coûts et les efforts informatiques pour une formation efficace des modèles.
Explore la résolution de systèmes linéaires itérative et compare différents résolveurs sur la base des hypothèses les plus défavorables et des mesures de convergence.
