Couvre les probabilités, les variables aléatoires, les attentes, les GLM, les tests d'hypothèse et les statistiques bayésiennes avec des exemples pratiques.
Explore la convergence de la méthode de Newton pour résoudre les équations non linéaires et l'importance de choisir les suppositions initiales appropriées.
S'insère dans les méthodologies complémentaires de choix discret et d'apprentissage automatique, couvrant les notations, les variables, les modèles, les processus de données, l'extrapolation, l'analyse de ce qu'il faut faire, et plus encore.
Explore les promenades aléatoires, le modèle Moran, la chimiotaxie bactérienne, l'entropie, la théorie de l'information et les sites en coévolution dans les protéines.
Explore le projet EXSCALATE4COV, axé sur la découverte informatique de médicaments pour les traitements COVID-19 et la collaboration entre le milieu universitaire et l'industrie.
Explore les tests de spécification, l'apprentissage automatique, le surajustement, la régularisation, les tests de prédiction et la sélection de variables.
Présente le travail avec les surfaces, les polysurfaces et les solides dans Rhino, couvrant le rendu, l'édition de matériel et la création de maillage.
Explore diverses approches de régularisation, y compris la quasi-norme L0 et la méthode Lasso, en discutant de la sélection des variables et des algorithmes efficaces pour l'optimisation.
Explore l'intégration de l'apprentissage automatique dans des modèles à choix discrets, en soulignant l'importance des contraintes théoriques et des approches hybrides de modélisation.
