Introduit l'optimisation convexe, couvrant les ensembles convexes, les concepts de solution et les méthodes numériques efficaces en optimisation mathématique.
Explore les mesures d'évaluation des modèles, les techniques de sélection, le compromis biais-variance et la gestion des distributions de données biaisées dans l'apprentissage automatique.
Explore les équations et les solutions numériques dans la modélisation climatique, mettant en évidence les incertitudes dans les projections climatiques.
Introduit la suprématie quantique, couvrant la réalisation de Google 2019 avec 60 qubits et explorant l'information quantique et la correction d'erreurs.
Couvre le débruitage et la reconstruction d'images en utilisant une minimisation totale des variations et discute des effets visuels des différentes forces de régularisation.
