Explore l'optimisation de portefeuille robuste sur le plan de la distribution et compare différentes approches et méthodes d'estimation pour l'évaluation de portefeuille.
Se penche sur les perspectives géométriques des modèles d'apprentissage profond, explorant leur vulnérabilité aux perturbations et l'importance de la robustesse et de l'interprétabilité.
Explore les modèles de calcul du système visuel ventral, en se concentrant sur l'optimisation des réseaux pour les tâches réelles et la comparaison avec les données cérébrales.
Explore l'approche de classe inversée en science des matériaux, en mettant l'accent sur l'interaction des élèves et l'apprentissage basé sur des questions.
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 l'optimisation robuste en radiothérapie, en mettant l'accent sur l'optimisation de la dose et les compromis entre les solutions nominales et robustes.