Présente les chaînes de Markov, couvrant les bases, les algorithmes de génération et les applications dans les promenades aléatoires et les processus de Poisson.
Explore le traitement neurobiologique des signaux, couvrant la modélisation des pics, la classification des signaux et la caractérisation des données à l'aide de l'analyse des composantes principales.
Explore la convergence de la chaîne de Markov, en mettant l'accent sur la distribution invariante, la loi des grands nombres et le calcul des récompenses moyennes.
Explore les classes communicantes dans les chaînes de Markov, en distinguant les classes transitoires et récurrentes, et approfondit les propriétés de ces classes.
Discute des solutions pour l'alignement des affaires/TI et l'optimisation des processus dans une étude de cas impliquant des réunions avec le chef de l'exploitation et un vendeur.
Couvre les problèmes d'arrêt optimaux dans les probabilités appliquées et les processus stochastiques, en se concentrant sur la théorie et les applications pratiques.
