Couvre les techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la convexité et ses implications pour une résolution efficace des problèmes.
Couvre les bases des études d'impact environnemental, y compris les approches multidisciplinaires, les présentations de projets et les projets de groupe.
Explore l'optimisation du système énergétique de l'EPFL en définissant les exigences, en analysant les options et en appliquant des techniques d'optimisation.
Couvre l'optimisation non convexe, les problèmes d'apprentissage profond, la descente stochastique des gradients, les méthodes d'adaptation et les architectures réseau neuronales.
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.
Explore la définition de solutions de conception, l'optimisation multidisciplinaire et les défis liés à l'optimisation de la conception des systèmes, y compris les racines et la motivation derrière l'optimisation de la conception multidisciplinaire.
