Explore l'efficacité énergétique dans les bâtiments, soulignant l'importance de réduire la consommation d'énergie tout en maintenant le niveau de service.
Explore des méthodes d'optimisation telles que la descente de gradient et les sous-gradients pour la formation de modèles d'apprentissage automatique, y compris des techniques avancées telles que l'optimisation d'Adam.
Couvre les principes fondamentaux de la gestion des risques financiers, y compris les types de risques, les développements historiques, les événements réglementaires et les défis de la gestion quantitative des risques.
Explore les avantages prouvables d'une surparamétrie dans la compression des modèles, en mettant l'accent sur l'efficacité des réseaux neuronaux profonds et sur l'importance du recyclage pour améliorer les performances.
Volkan Cevher se penche sur les mathématiques de l’apprentissage profond, explorant la complexité des modèles, les compromis de risque et le mystère de la généralisation.
Explore les mesures de risque cohérentes et l'approche spectrale de l'aversion du risque, couvrant VaR, ES, la subadditivité, la convexité et la création de nouvelles mesures de risque.
Couvre la formulation et la définition du problème dans l'optimisation, en se concentrant sur la définition de la fonction objective, des contraintes et de l'ensemble réalisable.
