Couvre les fonctions, la différenciation, les extensions Taylor et les intégrales, fournissant des concepts fondamentaux et des applications pratiques.
Explore les méthodes d'optimisation dans l'apprentissage automatique, en mettant l'accent sur les gradients, les coûts et les efforts informatiques pour une formation efficace des modèles.
Explore les bases de l'optimisation telles que les normes, la convexité et la différentiabilité, ainsi que les applications pratiques et les taux de convergence.
