Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Catégorie

Data collection

Séances de cours associées (30)

Analyse causale des données d'observation

Couvre l'analyse causale des données d'observation, des pièges, des outils permettant de tirer des conclusions valables et d'aborder les variables confusionnelles.

Études d'observation : pièges et conclusions valides

Souligne les pièges des études d'observation et l'importance des expériences randomisées.

Études d'observation : pièges et solutions

Couvre les pièges des études d'observation, les solutions pour éviter les biais, et l'importance des conclusions valables des « données trouvées ».

Études d'observation : pièges et solutions

Explore les défis des études observationnelles, en soulignant l'importance de la randomisation et de l'analyse de sensibilité pour tirer des conclusions valables à partir de «données trouvées».

Études d'observation : pièges et solutions

Explore les études d'observation, les pièges, les solutions et l'importance de conclusions valides dans les projets de recherche.

Concevoir des expériences et mesurer l'apprentissage

Explore les défis expérimentaux de conception en sciences sociales, en mettant l'accent sur la formulation d'hypothèses, le contrôle variable et l'atténuation des biais.

Paradoxe de Simpson : Compréhension et essais randomisés

Explore le Paradox de Simpson avec un exemple réel et souligne l'importance des essais randomisés.

Génération de langage naturel: Décodage et formation

Explore les défis dans la génération de langage naturel, le décodage des algorithmes, les problèmes de formation et les fonctions de récompense.

Questions relatives aux données dans le domaine de la recherche

Examine les défis que posent les hypothèses de données, les biais et d'autres aspects de la recherche, y compris les écritures incomplètes et les frustrations des nouveaux arrivants.

Échantillonnage spatial: concepts et techniques

Couvre l'échantillonnage spatial dans les SIG, y compris l'autocorrélation, les modèles d'élévation et les méthodes d'interpolation.

Méthodes d'estimation: BLP et contrôle-fonction

Couvre l'incohérence des estimations en raison de l'endogenèse et introduit les méthodes d'estimation BLP et Control-Function.

Comprendre les statistiques et le design expérimental

Explore les variances inégales, la réplication, la puissance, la taille de l'effet, les biais et leur impact sur les résultats de la recherche.

Transformée de Fourier et échantillonnage

Couvre la transformée de Fourier des signaux échantillonnés, la reconstruction et la réponse harmonique.

Génération du langage naturel: Techniques de décodage et défis de formation

Couvre les méthodes de décodage et les défis de formation en génération de langage naturel.

Traitement du signal numérique: Théorie

Couvre la théorie du traitement du signal numérique, y compris l'échantillonnage, les méthodes de transformation, la numérisation et les contrôleurs PID.

Densité des États et inférence bayésienne en mathématiques computationnelles

Explorer la densité de calcul des états et l'inférence bayésienne à l'aide d'un échantillonnage d'importance, montrant une variance inférieure et la parallélisation de la méthode proposée.

Modèles génériques : auto-attention et transformateurs

Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.

Évaluation de la réglementation du marché

Explore l'évaluation de la réglementation du marché, en se concentrant sur le trading à haute fréquence et l'impact des changements réglementaires sur la liquidité et la qualité du marché.

Essais randomisés et Paradoxe de Simpson

Couvre les essais cliniques randomisés, les variables confusionnelles, les défis éthiques et le paradoxe de Simpson dans l'analyse des données.

Construction du modèle de probabilité Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la construction d'un modèle de probabilité, l'échantillonnage aléatoire, le calcul de la variance et l'optimisation de l'allocation dans les expériences.