Explore l'optimisation des polynômes, en mettant l'accent sur les polynômes de somme de carrés et leurs applications, y compris la représentation monomiale et les preuves de théorème.
Explore la dualité lagrangienne dans l'optimisation convexe, transformant les problèmes en formulations min-max et discutant de l'importance des solutions doubles.
Couvre les conceptions factorielles fractionnaires pour étudier efficacement les interactions dans les expériences, en se concentrant sur le repliement, l'interprétation géométrique et la sélection des effets.
Explore le surajustement, la régularisation et la validation croisée dans l'apprentissage automatique, soulignant l'importance de l'expansion des fonctionnalités et des méthodes du noyau.