Explore la programmation dynamique du problème Knapsack, en discutant des stratégies, des algorithmes, de la dureté du NP et de l'analyse de la complexité temporelle.
Introduit l'apprentissage automatique scientifique, en mettant l'accent sur son application dans divers domaines scientifiques et sur le lien entre l'apprentissage automatique et la physique.
Explore la gestion intégrée des risques dans le génie civil, y compris les politiques gouvernementales, les processus décisionnels et une étude de cas controversée sur l'analyse des risques.
Couvre la théorie et les applications pratiques des simulations de pliage de protéines en utilisant la dynamique moléculaire, en se concentrant sur les effets des solvants et l'analyse de la dynamique de pliage.
Offre une introduction pratique à la modélisation à l'échelle atomique à travers des carnets Jupyter, en mettant l'accent sur les concepts fondamentaux de la science des matériaux.
Explore le choix du site, la participation des parties prenantes et les évaluations d'impact environnemental, en mettant l'accent sur les défis et les complexités des processus décisionnels.
Explore le compromis entre le biais et la variation dans l'apprentissage automatique, en mettant l'accent sur l'équilibre entre le biais et la variance dans les prédictions du modèle.
Explore la programmation dynamique pour optimiser les processus de prise de décision au fil du temps, en utilisant des exemples concrets tels que l'extraction de pétrole et la négociation d'actions.
Couvre les paradigmes algorithmiques pour les problèmes de graphique dynamique, y compris la connectivité dynamique, la décomposition de l'expansion et le regroupement local, brisant les barrières dans les problèmes de connectivité k-vertex.
