Couvre les paradigmes algorithmiques pour les problèmes de graphique dynamique, y compris la connectivité dynamique, la décomposition de l'expansion et le regroupement local, brisant les barrières dans les problèmes de connectivité k-vertex.
Couvre la preuve du théorème ARV de Bourgain, en se concentrant sur lensemble fini de points dans un espace semi-métrique et lapplication de lalgorithme ARV pour trouver la coupe la plus clairsemée dans un graphique.
Couvre les structures de données abstraites et la bibliothèque standard C++, y compris les listes liées, les piles, les files d'attente et les nombres complexes.
Couvre l'introduction et les solutions des équations linéaires, y compris les méthodes pour résoudre les systèmes et déterminer le nombre de solutions.
Examine les méthodes de regroupement pour la partition des données en classes significatives lorsque l'étiquetage est inconnu, couvrant les moyennes K, les mesures de dissimilarité et le regroupement hiérarchique.
Couvre les techniques de réduction de dimensionnalité telles que PCA et LDA, les méthodes de clustering, l'estimation de la densité et la représentation des données.
