Couvre l'algorithme Needleman-Wunsch pour un alignement optimal des séquences protéiques à l'aide de méthodes de programmation et de notation dynamiques.
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.
Discute des techniques de traitement d'image, en se concentrant sur la sculpture de coutures et la manipulation de pixels dans la programmation Python.
Introduit l'optimisation convexe, couvrant les ensembles convexes, les concepts de solution et les méthodes numériques efficaces en optimisation mathématique.
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 le débruitage et la reconstruction d'images en utilisant une minimisation totale des variations et discute des effets visuels des différentes forces de régularisation.
Explore l'optimisation robuste par l'approximation polynôme et les ensembles d'incertitude, y compris des programmes linéaires robustes et des astuces d'optimisation.
Introduit des structures de données Python comme des tuples, des listes, des ensembles et des dictionnaires, mettant l'accent sur les techniques de manipulation et de conversion.
Introduit des concepts fondamentaux de programmation C, couvrant les variables, les structures de contrôle, les fonctions et les pointeurs, avec des exemples pratiques et des exercices.