Cette séance de cours couvre les compromis entre les données temporelles, la réduction de la variance et le rôle de la convexité dans les modèles mathématiques pour l'analyse des données. Il explore les défis de lestimation, de la prédiction et de la prise de décision dans les modèles de régression, en mettant laccent sur les représentations éparses et les approches combinatoires. L'instructeur discute de l'impact de la parcimonie sur les matrices surcomplètes et présente un dogme de calcul lié au temps d'exécution des algorithmes d'apprentissage.