Explore l'approche structurée de l'analyse exploratoire des données spatiales, en soulignant l'importance des cadres analytiques et du mantra de recherche visuelle.
Introduit une analyse exploratoire des données en santé environnementale, couvrant sa définition, ses techniques et ses applications dans l'analyse des données géoréférencées sur la santé.
Explore les distributions sphériques et elliptiques, les mélanges normaux de variance, les modèles de facteurs et l'analyse des composantes principales.
Plonge dans les relations entre les troubles de l’humeur, la performance cognitive et la plasticité du cerveau en milieu urbain, en utilisant les données de cohortes médicales.
Couvre les principes fondamentaux de la science des données, en mettant l'accent sur la profondeur et l'application pratique dans l'apprentissage automatique et l'analyse de données.
Examine la dépendance statistique, la confusion et les méthodes d'inférence causale, en mettant l'accent sur la distinction entre les approches existantes et nouvelles.
Explore les modèles de facteurs fonctionnels à haute dimension pour prévoir les courbes de mortalité au Japon, en discutant de l'estimation, de la cohérence et de l'application.
Explore la technologie de microarray pour l'analyse des données génomiques, couvrant Affymetrix GeneChip Probe Arrays, le prétraitement des données, la normalisation, l'analyse de l'expression différentielle et les comparaisons de méthodes.
Couvre le choix du portefeuille de variance moyenne, les modèles factoriels, l'APT, le ratio Sharpe, les anomalies de taille et de valeur, les modèles Fama et français et la recherche factorielle.
