Couvre les techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la convexité et ses implications pour une résolution efficace des problèmes.
Explore la dynamique des débits réguliers d'Euler sur les collecteurs Riemanniens, couvrant les fluides idéaux, les équations d'Euler, les débits eulérisables et les obstacles à l'exposition des bouchons.
Explore les bases de l'optimisation telles que les normes, la convexité et la différentiabilité, ainsi que les applications pratiques et les taux de convergence.
Explore les résultats élémentaires en optimisation convexe, y compris les coques affines, convexes et coniques, les cônes appropriés et les fonctions convexes.