Explore l'analyse des données bivariées dans les biostatistiques appliquées, couvrant la corrélation, la régression, la sélection des modèles et le diagnostic.
Explore la décomposition de la valeur singulière et l'analyse des composantes principales pour la réduction de la dimensionnalité, avec des applications de visualisation et d'efficacité.
Explore les descripteurs atomiques, en mettant l'accent sur la symétrie, la localité et les défis de l'incorporation de l'électrostatique dans les modèles d'apprentissage automatique pour la chimie.
Explore les mécanismes de diffusion dans les solides cristallins, couvrant les structures cubiques et non cubiques, les effets de température et l'auto-diffusion dans les métaux.
Explore les défis d'une vision robuste, y compris les changements de distribution, les exemples d'échecs et les stratégies visant à améliorer la robustesse des modèles grâce à une préformation diversifiée des données.
