Explore les extrêmes de la capacité d'interprétation dans l'apprentissage automatique, en mettant l'accent sur les arbres de décision clairsemés et les réseaux neuraux interprétables.
Explore l'optimisation dans la modélisation des systèmes énergétiques, couvrant les variables de décision, les fonctions objectives et les différentes stratégies avec leurs avantages et leurs inconvénients.
Couvre l'estimation maximale de la probabilité, en mettant l'accent sur l'estimation-distribution ML, l'estimation de la réduction et les fonctions de perte.
Explore les arbres de décision et de régression, les mesures d'impuretés, les algorithmes d'apprentissage et les implémentations, y compris les arbres d'inférence conditionnelle et la taille des arbres.
Couvre la manipulation des défaillances dans les systèmes asynchrones en utilisant le modèle d'acteur et discute de la supervision, de la résilience et du cycle de vie des acteurs.
