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.
Se penche sur l'application de la thermodynamique dans les voies métaboliques, en discutant des contraintes, des réactions bidirectionnelles et des méthodes d'estimation.
Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.
Couvre le risque et l'incertitude dans les projets environnementaux, en mettant l'accent sur l'analyse coûts-avantages et le concept de certitude équivalente pour les personnes averses au risque.