Introduit les bases de l'optimisation, couvrant les normes, la convexité, la différentiabilité, et plus encore, en mettant l'accent sur les métriques, les normes vectorielles, les normes matricielles et la continuité.
Couvre les bases de l'optimisation, y compris les métriques, les normes, la convexité, les gradients et la régression logistique, en mettant l'accent sur les forts taux de convexité et de convergence.
Explore la sensibilité des solutions dans les méthodes numériques, y compris les systèmes linéaires et les normes matricielles, avec un exemple de débluring images.
Explore les inégalités de la matrice linéaire dans les systèmes de contrôle en réseau et analyse les bases et les performances des réseaux de contrôle.
Explore les cadres de factorisation des matrices RRQR, TCS, compromis, mesures de précision et bas grade, en mettant l'accent sur l'évitement des communications et les développements récents.
Couvre la vectorisation en Python en utilisant Numpy pour un calcul scientifique efficace, en soulignant les avantages d'éviter les boucles et de démontrer des applications pratiques.
Introduit des espaces de Banach pour les potentiels géométriques et l'analyse de pression, mettant l'accent sur les états d'équilibre et l'analytique de la fonction de pression.
