Fournit un aperçu des techniques d'optimisation, en se concentrant sur la descente de gradient et les propriétés des fonctions convexes dans l'apprentissage automatique.

Fonctions implicites

Couvre les dérivés directionnels, les fonctions implicites et les équations de recherche des tangents.

Dérivés partiels : matrices et extrema local

Couvre les matrices hessiennes, les matrices positives définies et les extrémités locales des fonctions.

Méthodes d'optimisation : discussion théorique

Explore les méthodes d'optimisation, y compris les problèmes sans contraintes, la programmation linéaire et les approches heuristiques.

Programmation semi-définie

Couvre la programmation et l'optimisation semi-définies sur des cônes semi-définis positifs.

Trouver des extrema absolus dans les fonctions multivariables

Couvre les conditions pour trouver des extrema absolus dans les fonctions multivariables.