Descriptif

Ce cours offre une introduction à la théorie de l'optimisation convexe et non-convexe, appliquées au machine learning. La premiere partie du cours vise les aspects mathématiques de l'optimisation convexe et non-convexe, les méthodes d'optimisation determistes et stochastiques, tel que les methodes du gradient stochastique. La seconde partie du cours vise un traitement mathématique de techniques de machine learning, les methodes (state of the art) d'apprentissage du deep learning (back-propagation, ADAGRAD, ADADELTA, ADAM ) d'un point de vue mathematique.