Couvre les copules, le théorème de Sklar, les méta distributions et diverses mesures de dépendance comme les corrélations de rang et les coefficients de dépendance de la queue.
Explore l'apprentissage des modèles latents dans des structures graphiques, en se concentrant sur des scénarios avec des échantillons incomplets et en introduisant la notion de distance entre les variables.
Introduit l'analyse des composantes principales, en mettant l'accent sur la maximisation de la variance dans les combinaisons linéaires pour résumer efficacement les données.
Couvre l'analyse de données intrajournalières, les études systématiques, le débogage, le calcul multicœur, la programmation GPU et le calcul de corrélation avec les GPU.
Couvre les statistiques descriptives, les tests d'hypothèses et l'analyse de corrélation avec diverses distributions de probabilités et des statistiques robustes.
