Explorer la durée d'exécution des requêtes pour les moteurs de base de données compilés par JIT en utilisant l'apprentissage actif et les résultats expérimentaux.
Couvre l'intégration de l'apprentissage automatique avec la microscopie à sonde à balayage pour une automatisation et une efficacité améliorées dans les flux de travail scientifiques.
Examine des stratégies d'encadrement fondées sur des données probantes pour les projets d'étudiants au moyen de questions et de commentaires visant à améliorer les résultats d'apprentissage.
Explore l'apprentissage actif dans la théorie de groupe, en mettant l'accent sur les produits, les coproduits, les adjonctions et les transformations naturelles.
Explore les transformations naturelles et les adjonctions dans la théorie des catégories, illustrant les concepts à travers des exemples concrets et discutant des conditions d'existence des adjoints.