Explore les variables aléatoires, les densités de probabilité, la distribution gaussienne et les probabilités conditionnelles dans les systèmes de mesure.
Couvre les outils mathématiques pour les systèmes de communication et la science des données, y compris la théorie de l'information et le traitement des signaux.
Couvre le cours de simulations stochastiques, le modèle de file d'attente G/G/1, la finance computationnelle, les statistiques, la physique et l'inférence bayésienne.
Discuter du compromis entre les variables biaisées dans l'apprentissage automatique, en mettant l'accent sur l'équilibre entre la complexité du modèle et l'exactitude des prédictions.
Explore l'échantillonnage de rejet pour générer des valeurs d'échantillon à partir d'une distribution cible, ainsi que l'inférence bayésienne à l'aide de MCMC.