Explore Ant Colony Optimization (ACO) pour le routage et l'optimisation, en discutant d'heuristique constructive, de recherche locale, de mécanismes phéromones et d'applications du monde réel.
Explore la descente de gradient riemannienne, couvrant les expansions de Taylor, les conditions d'optimalité, les modèles d'algorithmes, la recherche de lignes et les points critiques.
Explore l'optimisation non linéaire, en se concentrant sur la méthode de Newton et les méthodes de descente pour trouver des solutions optimales efficacement.
Sur Convex Optimization couvre l'organisation des cours, les problèmes d'optimisation mathématique, les concepts de solution et les méthodes d'optimisation.
Explore les méthodes d'optimisation dans l'apprentissage automatique, en mettant l'accent sur les gradients, les coûts et les efforts informatiques pour une formation efficace des modèles.
