Couvre les concepts fondamentaux de l'optimisation et de la recherche opérationnelle, en explorant des exemples du monde réel et des sujets clés sur un semestre.
Couvre des méthodes de descente de gradient plus rapides et une descente de gradient projetée pour une optimisation contrainte dans l'apprentissage automatique.
Discute des modèles de coefficients constants et aléatoires, de l'optimisation des facteurs et de l'estimation des interactions dans l'analyse des performances.
Explore les défis d'évolutivité dans les systèmes de travail partagé, en mettant l'accent sur l'optimisation et l'exécution, les configurations expérimentales, les opérateurs de requêtes de données, et l'impact du schéma sur l'apprentissage.