Gradient Descent: Opérateur proximal et stratégies de taille progressive

Cette séance de cours porte sur les concepts d'opérateur proximal, de descente en gradient et de stratégies de taille progressive dans le contexte de la réduction des fonctions de risque. Il explique la dérivation de l'algorithme gradient-descent, l'utilisation de mesures d'étape constantes et la transition vers des mesures d'étape dépendantes de l'itération. La séance de cours traite également de l'analyse de la convergence dans différentes conditions de taille par étapes, telles que les tailles par étapes constantes et disparaissantes, et de leur impact sur le taux de convergence de l'algorithme.