Fournit un aperçu des techniques d'optimisation linéaire, en mettant l'accent sur les méthodes de résolution de problèmes et l'importance des contraintes et des fonctions objectives.
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 concepts fondamentaux de l'optimisation et de la recherche opérationnelle, en explorant des exemples du monde réel et des sujets clés sur un semestre.
Couvre les bases de l'optimisation, y compris les perspectives historiques, les formulations mathématiques et les applications pratiques dans les problèmes de prise de décision.
Explore la théorie classique des champs, en se concentrant sur la formulation lagrangienne et les équations d'Euler-Lagrange, en mettant l'accent sur la propriété de la localité dans l'espace-temps.
