The course Optimization for Machine Learning introduces the fundamental mathematical tools and algorithms used to train machine learning models by minimizing objective functions. It covers the formulation of optimization problems, convex sets and convex functions, and the importance of gradient and Hessian analysis to guarantee optimality. Students learn first-order methods such as Gradient Descent and its variants (SGD, Momentum, Adam). The course also addresses constrained optimization through Lagrange multipliers and KKT conditions, and explains the role of regularization (L1, L2) in preventing overfitting. Emphasis is placed on loss functions, large-scale optimization, and practical implementation for applications such as regression, classification, and neural network training.
- Учитель: Zahia AIDENE
Pourvoir aux étudiants des bases scientifiques qui leurs
permettront d‘intégrer la communauté de la recherche scientifique dans le domaine des
énergies renouvelables, des batteries de stockage et des capteurs associés à des applications
d'ingénierie.
- Учитель: Ghezail ABDI
Une machine à entraînement électrique doit être conçue, montée et équipée de manière à ce que tous les risques soient limités à un niveau acceptable. Les risques spécifiques liés à l'utilisation de commandes électriques sont l'électrocution et l'incendie. Le courant électrique peut entraîner des lésions irréversibles sur le système nerveux et musculaire, ainsi que des effets thermiques. En outre, les surcharges, arcs électriques ou décharges statiques peuvent causer des incendies. Nos experts veillent à ce que cet aspect reçoive suffisamment d'attention et peuvent vous aider à tester et évaluer la fonctionnalité de vos dispositifs de sécurité.
Applied Thermodynamics M1 ELM
Key: Applied Thermodynamics
- Управляющий, Учитель: M. Z. Darramdane