Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Discute de l'entropie, des transformations isotropes, des interdictions de Clausius-Kelvin, ainsi que du cycle Carnot et de l'efficacité des machines à deux sources de chaleur.
Explore l'heuristique de la réglementation, l'épistémologie d'interprétation, les mesures d'adaptation des intervenants et la variété requise dans l'alignement entreprise-TI.
Couvre le concept d'estimation ponctuelle dans les statistiques, en se concentrant sur les méthodes d'estimation des paramètres inconnus à partir d'un échantillon donné.
Introduit des arbres de décision pour la classification, couvrant l'entropie, la qualité fractionnée, l'indice Gini, les avantages, les inconvénients, et le classificateur forestier aléatoire.
Explore l'entropie, l'ordre et le désordre dans les systèmes, en mettant l'accent sur le rôle du métabolisme dans le maintien de l'ordre dans les organismes vivants.