Couvre le sous-graphe le plus sparsest et le sous-graphe le plus Densest, en mettant l'accent sur les algorithmes de regroupement et d'approximation de corrélation.
Explore les compromis entre les données et le temps dans les problèmes de calcul, en mettant l'accent sur les rendements décroissants et les compromis continus.
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 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.
Explore l'algorithme Branch et Bound dans une optimisation discrète, en trouvant efficacement des solutions optimales en calculant des limites inférieures sur des sous-ensembles.
