Introduit des valeurs propres, des vecteurs propres et des matrices similaires, en mettant l'accent sur la diagonalisation et les interprétations géométriques.
Explore les valeurs propres, les vecteurs propres et les méthodes de résolution de systèmes linéaires en mettant l'accent sur les erreurs d'arrondi et les matrices de préconditionnement.
Explore les systèmes dynamiques, en se concentrant sur les mécanismes de contrôle et l'analyse de la stabilité à travers des exemples pratiques et la modélisation mathématique.
Explore l'utilisation de l'optique dans l'apprentissage automatique, en se concentrant sur la multiplication de matrice aléatoire à grande échelle par diffusion multiple de la lumière.
Couvre la décomposition des erreurs, la régression polynomiale et les voisins K les plus proches pour la modélisation flexible et les prédictions non linéaires.
