Couvre des exercices sur l'optimisation convexe, en se concentrant sur la formulation et la résolution de problèmes d'optimisation en utilisant YALMIP et des solveurs comme GUROBI et MOSEK.
Couvre les méthodes d'optimisation avancées en utilisant des multiplicateurs Lagrange pour trouver l'extrémité des fonctions soumises à des contraintes.
Explore la nature des points extremum dans les fonctions de la classe e2 autour du point (0,0), en soulignant l'importance de comprendre leur comportement dans le voisinage.
Couvre les techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la convexité, les algorithmes et leurs applications pour assurer une convergence efficace vers les minima mondiaux.
Présente des ensembles, des fonctions, des produits cartésiens et des compositions, en discutant des images, des préimages et des propriétés des fonctions.