Fournit un aperçu des techniques d'optimisation, en se concentrant sur la descente de gradient et les propriétés des fonctions convexes dans l'apprentissage automatique.
S'oriente vers l'optimisation des files d'attente prioritaires purement fonctionnelles, l'exploration des files d'attente binomiales et biaisées, des racines mondiales et des implémentations pratiques.
Couvre les modèles stochastiques de communication, en mettant l'accent sur la théorie de la file d'attente avec une analyse approfondie de la file d'attente M/G/1.
Explore la programmation dynamique pour optimiser les processus de prise de décision au fil du temps, en utilisant des exemples concrets tels que l'extraction de pétrole et la négociation d'actions.
Se penche sur la formulation d'optimisation linéaire, l'expansion de la capacité, l'investissement sous fiscalité et la gestion des revenus dans diverses industries.
Introduit les bases de l'algèbre linéaire, du calcul et de l'optimisation dans les espaces euclidien, en mettant l'accent sur la puissance de l'optimisation en tant qu'outil de modélisation.
Explore l'algorithme de modularité de Louvain pour optimiser la qualité de la communauté grâce à la modularité et ses applications dans l'analyse des réseaux sociaux.