Explore les fonctions convexes, les transformations d'affines, le maximum pointu, la minimisation, le Lemma de Schur et l'entropie relative dans l'optimisation mathématique.
Couvre des méthodes de descente de gradient plus rapides et une descente de gradient projetée pour une optimisation contrainte dans l'apprentissage automatique.
Explore le lien entre les graphiques et les probabilités, en mettant l'accent sur les probabilités modulaires et super modulaires et les propriétés de corrélation.
