Insegnamento dedicato ai metodi computazionali per la risoluzione di problemi di ottimizzazione alla base del Machine Learning. Il programma approfondisce il Gradient Descent (incluso SGD), i metodi di Newton e Quasi-Newton, i moltiplicatori di Lagrange e le condizioni KKT. L'enfasi è sull'addestramento efficiente di modelli complessi e sulla regolarizzazione per prevenire l'overfitting.