Séances de cours associées à Méthode de l'ellipsoïde

Discute de la descente du gradient proximal et de ses applications dans l'optimisation des algorithmes d'apprentissage automatique.

Discute des méthodes de descente proximale et sous-gradiente pour l'optimisation dans l'apprentissage automatique.

Explore les conditions KKT dans l'optimisation convexe, y compris les doubles cônes, la dualité SDP et les coques convexes.

Couvre l'implémentation des listes liées en Java, en se concentrant sur les opérations et les tests.

Couvre le problème local Hamiltonien, en se concentrant sur les problèmes QMA-Complete et la complexité de la vérification des calculs quantiques.