Couvre la probabilité appliquée, les processus stochastiques, les chaînes de Markov, l'échantillonnage de rejet et les méthodes d'inférence bayésienne.
Explore les distributions invariantes, les états récurrents et la convergence dans les chaînes de Markov, y compris des applications pratiques telles que PageRank dans Google.
Couvre Mod.7 sur les chaînes Markov en continu, en mettant l'accent sur les chaînes réversibles et leurs applications dans les systèmes de communication.
Introduit des outils mathématiques pour les systèmes de communication et la science des données, se concentrant sur les processus stochastiques et préparant les étudiants à des cours avancés.
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.
Présente les chaînes de Markov, couvrant les bases, les algorithmes de génération et les applications dans les promenades aléatoires et les processus de Poisson.