Fondations mathématiques essentielles pour l'IA et la Data Science
Théorie des probabilités, distributions, espérance, variance, loi des grands nombres
Vecteurs, matrices, espaces vectoriels, transformations linéaires, décomposition
Dérivées, gradient, optimisation convexe, méthodes numériques, gradient descent
Chaînes de Markov, processus stochastiques, Monte Carlo, Hidden Markov Models
Backpropagation, fonctions de perte, régularisation, architecture neuronale
Systèmes dynamiques, contrôle optimal, équations différentielles, trajectoires