Se penche sur la faisabilité de la décarbonisation du secteur de l'électricité d'ici 2050 à l'aide d'énergies renouvelables, en mettant l'accent sur la compétitivité économique et la durabilité.
Couvre la détection et la correction des erreurs de paramètres dans les réseaux électriques, en mettant l'accent sur les propriétés statistiques, l'identification des erreurs, l'efficacité de calcul, l'analyse de sensibilité et l'estimation robuste de l'état.
Explore l'optimisation des réseaux neuronaux en utilisant la descente de gradient stochastique (SGD) et le concept de risque double par rapport au risque empirique.
Explore le parcours d'HyLite, une start-up cleantech, du développement de prototypes à l'industrialisation de produits, en soulignant l'importance des produits viables et du prototypage à faible coût.
Couvre les bases de l'apprentissage du renforcement, y compris les processus décisionnels de Markov et les méthodes de gradient des politiques, et explore les applications du monde réel et les avancées récentes.
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 les conditions KKT dans l'optimisation convexe, couvrant les problèmes doubles, les contraintes logarithmiques, les moindres carrés, les fonctions matricielles et la sous-optimalité de la couverture des ellipsoïdes.