Couvre les compromis en matière de risque et de rendement dans les portefeuilles, les avantages de la diversification et la frontière efficace avec de multiples actifs.
Explore les techniques de réduction de la variance dans la simulation stochastique, en mettant l'accent sur l'utilisation de variables aléatoires auxiliaires et de moyennes d'échantillons pour améliorer l'efficacité.
Introduit la modélisation fondée sur les données en mettant l'accent sur la régression, couvrant la régression linéaire, les risques de raisonnement inductif, l'APC et la régression des crêtes.
Explore les classificateurs gaussiens, la classification des textures, l'estimation des paramètres, l'apprentissage supervisé et les réseaux neuronaux profonds dans le traitement d'images.