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.
Couvre les limites de Caratheodory pour la programmation d'entiers, en se concentrant sur la programmation linéaire et l'existence de solutions optimales.
Explore la formulation et la complexité des machines vectorielles de soutien, y compris les formes primaires et doubles, l'interprétation géométrique et les implications algorithmiques.
Couvre l'algorithme Needleman-Wunsch pour un alignement optimal des séquences protéiques à l'aide de méthodes de programmation et de notation dynamiques.
Introduit l'optimisation convexe, couvrant les ensembles convexes, les concepts de solution et les méthodes numériques efficaces en optimisation mathématique.