Séance de cours
Fonctions Convex : Propriétés et optimisation
Séances de cours associées (35)
Optimisation : descente de gradient et sous-gradients
Explore des méthodes d'optimisation telles que la descente de gradient et les sous-gradients pour la formation de modèles d'apprentissage automatique, y compris des techniques avancées telles que l'optimisation d'Adam.
Gradient Descent Convergence
Explique comment la descente de gradient converge vers le minimum d'une fonction à un taux de 1 sur k.
Algèbre : Trinôme quadratique
Explore les trinômes quadratiques, les valeurs absolues, les formules de Vieta et la représentation graphique des équations.
Optimisation du convex
Introduit l'optimisation convexe, en mettant l'accent sur l'importance de la convexité dans les algorithmes et les problèmes d'optimisation.
Méthodes d'optimisation
Couvre les méthodes d'optimisation, en se concentrant sur les méthodes de gradient et les techniques de recherche de ligne.
Programmes d'optimisation : Fonctions de coûts linéaires par pièce
Couvre la formulation de programmes d'optimisation pour minimiser les fonctions de coûts linéaires à la pièce.
Descente stochastique progressive
Explore l'optimisation stochastique de descente de gradient et la méthode Mean-Field dans les réseaux neuronaux.
Limites et continuité
Couvre le concept de limites et de continuité dans l'analyse réelle.
Différenciation vectorielle et fonctions convexes
Couvre les concepts de différenciation vectorielle et de fonctions convexes.
Optimisation quasi-newton
Couvre les méthodes de recherche de ligne de gradient et les techniques d'optimisation en mettant l'accent sur les conditions Wolfe et la définition positive.