Explore le raisonnement incertain, les réseaux bayésiens et la résolution stochastique, soulignant l'importance de la logique probabiliste et de l'enlèvement.
Explore l'importance de la causalité pour l'apprentissage machine robuste, couvrant les ensembles de données idéaux, les problèmes de données manquants, les modèles graphiques et les modèles d'interférence.
Explore l'inférence statistique pour les données de banditisme, en mettant l'accent sur les actions de traitement personnalisées et les défis des estimateurs standards.
Explore les modèles de conception pour les systèmes décentralisés, la gestion de la charge de travail, la gestion des défaillances et la gestion du temps dans les systèmes à grande échelle.