Explore l'apprentissage et le contrôle des systèmes complexes, en abordant les défis et les possibilités en matière de technologie et de recherche interdisciplinaire.
Introduit les bases de l'algèbre linéaire, du calcul et de l'optimisation dans les espaces euclidien, en mettant l'accent sur la puissance de l'optimisation en tant qu'outil de modélisation.
Couvre l'approche de programmation linéaire de l'apprentissage par renforcement, en se concentrant sur ses applications et ses avantages dans la résolution des processus décisionnels de Markov.
Couvre les bases de la programmation non linéaire et ses applications dans le contrôle optimal, en explorant des techniques, des exemples, des définitions d'optimalité et les conditions nécessaires.
Explore le calcul des variations et l'Elastica d'Euler dans le contexte de l'équilibre de la poutre et des courbes élastiques inextensibles sous de grandes rotations.
