Couvre les méthodes en quadrature, en se concentrant sur les techniques composites et non composites, leurs formules et leurs applications pratiques en intégration.
Couvre l'estimation des erreurs dans les méthodes d'intégration numérique utilisant des formules de quadrature composite et l'interpolation de Lagrange.
Explore les classificateurs voisins les plus proches, le compromis entre les biais, la malédiction de la dimensionnalité et les limites de généralisation dans l'apprentissage automatique supervisé.
