Explore la programmation dynamique avec des nombres de Fibonacci, des algorithmes gourmands de changement de pièce, la coloration graphique et des variantes de knapsack.
Couvre les outils de physique statistique pour l'optimisation, l'apprentissage, la coloration graphique, les systèmes de recommandation et les réseaux neuronaux.
Couvre la théorie et les applications de la coloration graphique, en se concentrant sur les modèles de blocs stochastiques dissortatifs et la coloration plantée.
Couvre les fondamentaux des chaînes de Markov et de leurs applications dans les algorithmes, en se concentrant sur la coloration correcte et l'algorithme Metropolis.
Couvre les sujets de construction avancés du compilateur sur les techniques d'optimisation telles que l'élimination du code mort, le pliage constant et l'allocation des registres.
Examine les problèmes de NP, la coloration des graphiques, l'optimisation des chemins et les distinctions de complexité computationnelle dans les classes P et NP.
