Couvre l'inférence, la construction de modèles, la sélection de variables, la robustesse, la régression régularisée, les modèles mixtes et les méthodes de régression.
Explore les applications d'apprentissage automatique dans la modélisation des matériaux, couvrant la régression, la classification et la sélection des fonctionnalités.
Couvre les solutions les moins carrées pour les systèmes linéaires utilisant des opérations matricielles et des systèmes normaux, illustrés par des exemples.
Intéressez-vous à l'étude de cas Sport Obermeyer, explorant les défis de la chaîne d'approvisionnement, les méthodes de prévision et la planification de la production.
Couvre les arbres de décision pour la régression et la classification, expliquant la construction des arbres, la sélection des caractéristiques et les critères d'induction.
Couvre la régression polynôme, la descente en gradient, le surajustement, le sous-ajustement, la régularisation et la mise à l'échelle des caractéristiques dans les algorithmes d'optimisation.