Introduit l'optimisation convexe, couvrant les ensembles convexes, les concepts de solution et les méthodes numériques efficaces en optimisation mathématique.
Couvre l'architecture des transformateurs et les mécanismes d'attention subquadratiques, en se concentrant sur les approximations efficaces et leurs applications dans l'apprentissage automatique.
Couvre la régression quantile, en se concentrant sur l'optimisation linéaire pour prédire les résultats et discuter de la sensibilité aux valeurs aberrantes, de la formulation des problèmes et de la mise en œuvre pratique.
Explore l'optimisation robuste en radiothérapie, en mettant l'accent sur l'optimisation de la dose et les compromis entre les solutions nominales et robustes.
Explore le transport optimal, la transformation de la lumière, l'optimisation de la conception inverse et l'analyse de sensibilité pour l'optimisation de la forme.